آموزش هوش مصنوعی توزیع شده – پیش ثبت نام

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

دکتر امیر حسین کیهانی پور
دکتر امیر حسین کیهانی پور

مدرس دانشگاه تهران

دکترای تخصصی مهندسی کامپیوتر-گرایش هوش مصنوعی


امیر حسین کیهانی پور فارغ التحصیل دکترای تخصصی در رشته مهندسی کامپیوتر، گرایش هوش مصنوعی از دانشگاه تهران و نیز مدرس دانشگاه تهران و دانشگاه صنعتی شریف هستند. (+)



از زمان معرفی اولیه مفهوم هوش مصنوعی توزیع شده در دهه ۱۹۸۰، این مفهوم گسترش و تنوع زیادی یافته است و امروزه به یکی از حوزه های بسیار فعال تحقیقاتی تبدیل شده است و در عین حال، طی سال های اخیر، عامل های هوشمند و خودکار (Intelligent Autonomous Agents) در طیف وسیعی از کاربردهای مختلف نظیر حوزه فناوری اطلاعات، صنعت، ارتباطات، آموزش و نیز حوزه دفاعی و نظامی، به صورت موفقیت آمیزی مورد استفاده قرار گرفته اند.

👤 مدرس: دکتر امیر حسین کیهانی پور
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

وضعیت انتشار در مرحله انتشار
زمان تقریبی انتشار ۱ تا ۴ هفته

درخواست اطلاع رسانی انتشار این آموزش

این آموزش در آخرین مراحل انتشار است و به زودی در فرادرس ارائه عمومی آن آغاز خواهد شد. شما می توانید با وارد کردن ایمیل خود، در اولین زمان، از انتشار نهایی این آموزش مطلع شوید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.

Please leave this field empty.




    توضیحات

    از زمان معرفی اولیه مفهوم هوش مصنوعی توزیع شده در دهه ۱۹۸۰، این مفهوم گسترش و تنوع زیادی یافته است و امروزه به یکی از حوزه های بسیار فعال تحقیقاتی، تبدیل شده است و در عین حال، طی سال های اخیر، عامل های هوشمند و خودکار (Intelligent Autonomous Agents) در طیف وسیعی از کاربردهای مختلف نظیر حوزه فناوری اطلاعات، صنعت، ارتباطات، آموزش و نیز حوزه دفاعی و نظامی، به صورت موفقیت آمیزی مورد استفاده قرار گرفته اند. در این درس، به بیان مفاهیم پایه مربوط به عوامل هوشمند، از جمله مباحث تئوری، روش های اجرایی و پیاده سازی سامانه های متشکل از تعدادی عوامل هوشمند و خودکار، پرداخته می شود. همچنین نمونه هایی از کاربردهای اخیر آنها درحوزه های مختلف، مطرح می شود.

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • درس یکم: سیستم های چند عامله هوشمند (Multi-agent system)
      • تعاریف، ضرورت ها و مزایا، گستره کاربرد
    • درس دوم: عامل های هوشمند (Intelligent agent)
      • مشخصات پایه عامل های هوشمند و سیستم های چند عامله
      • عامل های مبتنی بر استدلال استقرایی (Deductive reasoning)
      • عامل های مبتنی بر استدلال کاربردی (Practical reasoning)
      • عامل های واکنشی و ترکیبی (Reactive and Hybrid)
    • درس سوم: ارتباط و همکاری
      • بررسی روش های ایجاد درک متقابل بین عامل ها
      • درک متقابل بر پایه هستان شناسی (Ontology)
        • مکانیسم های برقراری ارتباط بین عامل ها
        • مرور برخی از زبان های برنامه نویسی جهت پیاده سازی ارتباط بین عامل ها
        • زبان KIF (Knowledge Interchange Format)‎
        • زبان RDF (Resource Definition Framework)‎
      • بررسی روش های برقراری ارتباط بین عامل ها
        • بیان نظریه کنش های گفتاری (Speech Act Theory)
        • معرفی برخی از زبان های برقراری ارتباط در سیستم های چند عامله
        • زبان KQML (Knowledge Query and Manipulation Language)‎
        • زبان FIPA (Foundation for Intelligent Physical Agents)‎
      • همکاری و تعامل بین عامل ها
        • حل مسئله به صورت توزیع شده مبتنی بر همکاری (Cooperative Distributed Problem Solving)
        • تسهیم فعالیت ها (Task Sharing)
        • تسهیم نتایج (Result Sharing)
        • معرفی شبکه قرارداد (Contract Net – CNET)
        • معرفی مفهوم هماهنگی (Coordination)
      • متدولوژی های طراحی سیستم های چند عامله
        • اصول پایه
        • عامل های سیار (Mobile agent)
        • معرفی زبان TELESCRIPT
        • معرفی زبان TCL/TK
      • معرفی برخی از کاربردهای سیستم های چند عامله
        • سیستم های توزیع شده
        • عامل های واسط (Interface)
        • عامل های اینترنتی
        • تجارت الکترونیک (E-commerce)
    • درس چهارم: تصمیم گیری در سیستم های چند عامله
      • تعامل در سیستم های چند عامله
        • قاعده تعادل نش (Nash Equilibrium)
        • استراتژی های ترکیبی
        • بهینگی پارتو (Pareto optimality)
        • رفاه اجتماعی (Social Welfare)
      • تصمیم گیری گروهی
        • نظریه انتخاب اجتماعی (Social Choice Theory)
        • روش های رأی گیری (Voting)
        • روش رأی جمعی (Plurality)
        • روش های رأی اکثریت (Majority)
        • روش شمارش بوردا (Borda Count)
        • روش رأی جایگزین (Alternative Vote)
        • بررسی ویژگی های مطلوب در رأی گیری
      • شکل گیری ائتلاف ها (Coalitions)
        • بازی های ائتلافی (Coalitional Games)
        • روش مقدار Shapley در تقسیم دستاوردها
        • بازنمایی بازی های ائتلافی و توابع مشخصه آنها
      • تخصیص منابع کمیاب (Scarce)
        • بررسی انواع روش های حراج (Auction)
          • حراج انگلیسی (English Auction)
          • حراج آلمانی (Dutch Auction)
          • حراج FPSB (First-Price Sealed-Bid)‎
          • حراج آمستردامی (Amsterdam Auction)
          • حراج ویکری (Vickrey auction)
          • حراج ماهی به روش ژاپنی (Japanese Fish Auction)
          • حراج های ترکیبی (Combinatorial auction)
      • مذاکره (Negotiation) و چانه زنی (Bargaining)
        • انواع روش های مذاکره برای تقسیم منابع (Resource Division)
        • توابع تصمیم در مذاکره (Negotiation Decision Functions)
        • مذاکره در حوزه های فعالیت محور (TOD – Task-Oriented Domains)
      • استدلال (Argumentation)
        • دسته بندی انواع روش های استدلال
        • بررسی روش استدلال مجرد (Abstract argumentation)
        • سیستم های دانگ (Dungian Systems)
        • بررسی روش استدلال استقرایی (Deductive Argumentation)
      • ارکان منطقی سیستم های چند عامله (Logical Foundations)
        • معرفی نظریه تصمیم (Theory of Intention)
        • معرفی نظریه Cohen-Levesque
    • درس پنجم: معرفی برخی از نمونه های کاربرد سیستم های چند عامله
      • جستجوی اطلاعات در محیط وب
      • تبلیغات برخط (Online advertising)

     

    مفید برای رشته های
    • مهندسی کامپیوتر
    • فناوری اطلاعات


    پیش نیاز


    اطلاعات تکمیلی

    نام آموزش آموزش هوش مصنوعی توزیع شده – پیش ثبت نام
    ناشر فرادرس
    کد آموزش FVML9512
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)



    سایر آموزش های دکتر امیر حسین کیهانی پور



    مطالب مرتبط


    دیدگاه ها

    نظر شما در مورد این فرادرس چیست؟

    امتیاز شما به این آموزش:

    *




درخواست اطلاع رسانی انتشار این آموزش

این آموزش در آخرین مراحل انتشار است و به زودی در فرادرس ارائه عمومی آن آغاز خواهد شد. شما می توانید با وارد کردن ایمیل خود، در اولین زمان، از انتشار نهایی این آموزش مطلع شوید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.

Please leave this field empty.



برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,




فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران

عضویت در خبرنامه فرادرس

برای دریافت اخبار مربوط به آخرین فرادرس های منتشر شده، ایمیل خود را در کادر زیر وارد نمایید.

Please leave this field empty.

تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند و فعالیت‌های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.
فرادرس مجوز نشر دیجیتال از وزرات فرهنگ و ارشاد اسلامی پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک پارسیان پرداخت آنلاین - بانک اقتصاد نوین پرداخت آنلاین - بانک سامان