کتاب Common Lisp برای پژوهشگران هوش مصنوعی: از مبانی زبان تا پیاده‌سازی الگوریتم‌های هوشمند

انتخاب پلن

افزودنی‌های اختیاری

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Common Lisp برای پژوهشگران هوش مصنوعی: از مبانی زبان تا پیاده‌سازی الگوریتم‌های هوشمند

موضوع کلی: برنامه‌نویسی لیسپ برای هوش مصنوعی

موضوع میانی: پیاده‌سازی الگوریتم‌های هوش مصنوعی کلاسیک با Common Lisp

📋 سرفصل‌های دوره

  • 1. معرفی Common Lisp و جایگاه آن در پژوهش‌های هوش مصنوعی
  • 2. نصب و راه‌اندازی محیط توسعه Common Lisp (SBCL, CCL, Emacs/SLIME)
  • 3. آشنایی با REPL و چرخهٔ توسعهٔ تعاملی
  • 4. انواع داده‌های پایه در Common Lisp
  • 5. لیست‌ها و ساختارهای داده‌ای مبتنی بر لیست
  • 6. عملگرهای پایه روی لیست‌ها: car، cdr، cons
  • 7. توابع پردازش لیست: mapcar، mapc، reduce
  • 8. تعریف توابع با defun
  • 9. متغیرهای محلی و سراسری: let، let*، setq
  • 10. بازگشت (recursion) و تکنیک‌های نوشتن توابع بازگشتی
  • 11. شرط‌ها و کنترل جریان: if، cond، case، when، unless
  • 12. حلقه‌ها در Common Lisp: do، dotimes، dolist، loop
  • 13. مفهوم بستار (closure) در Common Lisp
  • 14. توابع مرتبهٔ بالاتر (higher-order functions)
  • 15. کوتیشن و کوتیشن معکوس: quote، backquote، unquote
  • 16. ماکروها و تفاوت آن‌ها با توابع
  • 17. نوشتن ماکروهای ساده و کاربردی
  • 18. سیستم شیءگرایی CLOS: کلاس‌ها و اشیاء
  • 19. تعریف متدها و چندریختی در CLOS
  • 20. وراثت و ترکیب کلاس‌ها در CLOS
  • 21. مدیریت خطا و استثناها: condition system
  • 22. دیباگ کردن برنامه‌ها در محیط Lisp
  • 23. مدیریت حافظه و garbage collection در Common Lisp
  • 24. ساختارهای داده پیشرفته: hash table، vector، array
  • 25. برنامه‌نویسی فانکشنال در Common Lisp
  • 26. مقایسه رویکرد فانکشنال و شیءگرا برای مسائل هوش مصنوعی
  • 27. نمایش دانش با استفاده از ساختارهای نمادین (symbolic representation)
  • 28. پیاده‌سازی درخت‌های جستجو در Common Lisp
  • 29. الگوریتم جستجوی عمقی (DFS) با Lisp
  • 30. الگوریتم جستجوی سطحی (BFS) با Lisp
  • 31. جستجوی اکتشافی و الگوریتم A*
  • 32. پیاده‌سازی الگوریتم مینیمکس برای بازی‌های دو نفره
  • 33. هرس آلفا-بتا در بازی‌های هوشمند
  • 34. سیستم‌های مبتنی بر قاعده (rule-based systems)
  • 35. پیاده‌سازی موتور استنتاج پیشرو (forward chaining)
  • 36. پیاده‌سازی موتور استنتاج پسرو (backward chaining)
  • 37. نمایش دانش با فریم‌ها (frames) در Lisp
  • 38. شبکه‌های معنایی (semantic networks) و پیاده‌سازی آن‌ها
  • 39. مبانی برنامه‌نویسی منطقی و شبیه‌سازی Prolog در Lisp
  • 40. پیاده‌سازی سیستم unification
  • 41. پردازش زبان طبیعی مقدماتی با Common Lisp
  • 42. تجزیهٔ نحوی جملات با گرامرهای بدون‌متن
  • 43. پیاده‌سازی پارسرهای بازگشتی-نزولی
  • 44. ساخت سیستم‌های پاسخ‌گویی ساده (chatbot) با Lisp
  • 45. یادگیری ماشین مقدماتی: الگوریتم‌های دسته‌بندی ساده
  • 46. پیاده‌سازی درخت تصمیم در Common Lisp
  • 47. شبکه‌های عصبی ساده و پرسپترون در Lisp
  • 48. الگوریتم‌های ژنتیک و بهینه‌سازی تکاملی
  • 49. برنامه‌نویسی محدودیت‌محور (constraint satisfaction problems)
  • 50. حل مسائل CSP با الگوریتم backtracking
  • 51. بهینه‌سازی کد Lisp برای کارایی بالا
  • 52. مدیریت پروژه‌های بزرگ با سیستم‌های بسته (package system)
  • 53. استفاده از کتابخانه‌های خارجی و ابزارهای مدیریت وابستگی (Quicklisp)
  • 54. تست‌نویسی و اطمینان از صحت برنامه‌های هوش مصنوعی
  • 55. مستندسازی کد Lisp برای پروژه‌های پژوهشی
  • 56. اتصال Common Lisp به پایگاه داده برای ذخیرهٔ دانش
  • 57. پیاده‌سازی سیستم‌های خبره (expert systems) کامل
  • 58. مطالعهٔ موردی: سیستم تشخیص و تصمیم‌گیری هوشمند با Lisp
  • 59. مطالعهٔ موردی: حل معماهای کلاسیک هوش مصنوعی با Lisp
  • 60. مقایسهٔ Common Lisp با سایر زبان‌های هوش مصنوعی (Python، Prolog)
  • 61. آینده و کاربردهای مدرن Lisp در پژوهش‌های هوش مصنوعی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.