درباره این برنامه
هوش مصنوعی (AI) چیست؟هوش مصنوعی (AI) به شبیه سازی هوش انسانی در ماشین هایی گفته می شود که برنامه ریزی شده اند مانند انسان ها فکر کنند و اقدامات آنها را تقلید کنند. این اصطلاح همچنین ممکن است برای هر دستگاهی که دارای صفات مرتبط با ذهن انسان است از جمله یادگیری و حل مسئله کاربرد دارد.
هوش مصنوعی (AI) حوزه ای از علوم رایانه است که بر ایجاد ماشین های هوشمند که مانند انسان کار می کنند و واکنش نشان می دهند ، تأکید دارد. این فرایندها شامل یادگیری ، استدلال و تصحیح خود است. هوش مصنوعی با مطالعه چگونگی فکر مغز انسان ، و چگونگی یادگیری ، تصمیم گیری و کار در حالی که سعی در حل مسئله دارد ، انجام می شود.
نحوه ساخت برنامه های هوشمند با محوریت تصاویر ، متن ها و داده های سری زمانی را کشف کنید. این گیاه در بسیاری از زمینه ها مانند موتورهای جستجو ، تشخیص تصویر ، روباتیک ، امور مالی و غیره بسیار مورد استفاده قرار می گیرد. در مورد الگوریتم های مختلفی که می تواند برای ساخت برنامه های هوش مصنوعی استفاده شود ، خواهید آموخت.
برای شما چیست؟
- آشنایی با هوش مصنوعی و عوامل هوشمند ، تاریخچه هوش مصنوعی
- ساختن عوامل هوشمند (جستجو ، بازی ، منطق ، مشکلات رضایت از محدودیت)
- الگوریتم های یادگیری ماشین
- برنامه های هوش مصنوعی (پردازش زبان طبیعی ، روباتیک / چشم انداز ، درک زبان)
محتوای برنامه
1) آشنایی با هوش مصنوعی
- آزمون تورینگ
- تاریخچه هوش مصنوعی
- مشکل هوش مصنوعی معمولی
- چرخه هوش مصنوعی
2) رویکرد حل مسئله AI
- فضای دولتی
- جستجوی نمودار
- جستجوی *
- جستجوی عمومی
- الگوریتم ژنتیک
- جستجوی اول - عرض
- جستجوی عمق
- جستجوی اکتشافی
- بازی ها
- بازگشت به عقب
- الگوریتم Minimax
- جستجوی ناقص
- نمونه N- ملکه
- تصمیم بهینه
- اثبات پذیرش
- جستجوی درخت
- هرس آلفا بتا
- نگاهی به جلو
- عمیق-عمیق
- جستجوی حریص
- نمودار جستجو
- جستجوی آگاهانه
- جستجوی دو جهته
- قوام محور
- جستجوی مخالف
- قوام مسیر
- روش اطلاع رسانی
- حافظه دیگر محدود است
- خواص عمق
3) دانش و استدلال
- منطق پیشنهادی
- قاعده استنباط
- مدل مارکوف پنهان
- شبکه های بیزی
- زنجیر به جلو
- منطق مرتبه اول
- و / یا درختان
- مفاهیم
- سطح دانش
- سیستم های مبتنی بر قانون
- ورود به سیستم نرم افزار خالص
- اتحاد
- هربند جهان
صداقت
- غیر یکتایی
4) عمل منطقی و یادگیری
- یادگیری تقویت شده
- معناشناسی بیزی
- یادگیری تحت نظارت
- مسئله یادگیری
- شبکه های معنایی
- شبکه عصبی
- مدل بومی بومی
- عصبی مصنوعی
- احتمالی
- قاب ها
- هرس درخت تصمیم گیری
- پرسترون
- یادگیری آماری
- حذف نامزد
- انتشار عقب
- نظارت نشده
- طبقه بندی یادگیری
- گسترش معنایی
- چند لایه
- توابع تقسیم
- Interleaving در مقابل عدم دخالت برنامه فرعی
- برنامه ریزی به عنوان جستجو
- شکل کلی الگوریتم EM
5) برقراری ارتباط ، درک و عمل
- الگوریتم رگرسیون
- زبان طبیعی
- الگوریتم خوشه بندی
- الگوریتم آماری
- تشخیص الگو
- طریقه استفاده و کاربرد
- گنگ
- گام در زبان
این پنج واحد شامل 142 موضوع است و با خواندن همه شما به اندازه کافی خوب خواهید بود تا بتوانید سیستمی را با استفاده از زبانهایی مانند R، Python، SAS، Matlab، Weka، SPSS و غیره طراحی کنید.