Artificial Intelligence (AI)

بیایید شما را به هوش مصنوعی (AI) و ماشین یادگیری (ML) تبدیل کنید.

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.