در این آموزش با هدف پر نمودن خلا موجود در درس هوش مصنوعی برای دانشجویان، مخاطبان و داوطلبان آزمون های ورودی، سعی داریم همراه با تشریح مفاهیم مختلف، مثال های متعددی نیز حل کنیم. این آموزش به عنوان یک منبع قوی برای تمامی دانشجویان و داوطلبان برای تمامی آزمون ها و کنکورهای ارشد قابل استفاده می باشد.
در این آموزش از دو کتاب قوی در حوزه درس هوش مصنوعی (کتاب مرجع استورات راسل و بن کوپن) استفاده شده است. همچنین در این آموزش بحث شبکه های بیزین و تصمیم گیری در شرایط عدم قطعیت نیز بحث شده است که در خیلی از منابع بعضا به طور ناقص آمده است و همواره این خلا وجود داشته است.
در این آموزش مثال های متعددی مورد بررسی و تجزیه و تحلیل قرار گرفته اند، که مخاطبین را از مطالعه هر منبعی بی نیاز می کند.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- درس یکم: مقدمه ای بر هوش مصنوعی – عامل های هوشمند
- هوش مصنوعی چیست؟ کجاها به هوش مصنوعی نیاز هست؟
- عامل های هوشمند و چگونگی کارکرد آن ها
- توصیف محیط عامل های هوشمند
- انواع عامل های هوشمند
- درس دوم: حل مساله از طریق جستجو – جستجوی ناآگاهانه
- عامل حل مساله – اجزای حل مساله
- چند مساله برای حل
- روش های جستجوی ناآگاهانه
- تولید و تست
- جستجوی سطح اول
- جستجوی هزینه یکنواخت
- جستجوی اول عمق
- جستجوی عمق محدود
- جستجوی اول عمق عمیق شونده تکراری
- جستجوی دوطرفه
- مقایسه روش های جستجوی ناآگاهانه
- حذف حالات تکراری در جستجوی ناآگاهانه
- جستجو با اطلاعات ناقص
- مسائل وابسته به شرایط (احتمالی)
- درس سوم: جستجوهای آگاهانه
- مقدمه ای بر جستجوی آگاهانه
- جستجوهای آگاهانه
- جستجوی اولین بهترین حریصانه
- جستجوی *A
- جستجوی *IDA
- جستجوی اول بهترین بازگشتی (RBFS)
- جستجوی *SMA
- تابع هیوریستیک – افزایش کارایی
- الگوریتم های جستجوی محلی – مسائل بهینه سازی
- جستجوی تپه نوردی
- جستجوی (Simulated annealing (SA
- جستجوی پرتوی محلی (Local beam Search)
- الگوریتم های خانواده ژنتیک
- جستجو در محیط های پیوسته
- درس چهارم: مسائل ارضای محدودیت
- معرفی فرمت مسائل ارضای محدودیت (CSP)
- جستجوی عقب گرد برای مسائل ارضای محدودیت
- انتشار اطلاعات محدودیت ها
- جستجوی بررسی پیشرو (FC)
- پخش محدودیت (سازگاری کمان (Arc Consistency))
- عقب گرد هوشمند
- جستجوی محلی در حل مسائل ارضای محدودیت
- درس پنجم: جستجوی خصمانه (بازی ها)
- تصمیمات بهینه در بازی ها
- روش MiniMax
- هرس آلفا – بتا
- تصمیمات بلادرنگ
- توابع ارزیابی – قطع جستجو
- بازی های دارای عامل شانس
- درس ششم: عامل های منطقی
- عامل مبتنی بر دانش – تعریف دنیای WUMPUS
- منطق چیست؟
- معرفی منطق گزاره ای (نحو، معناشناسی، استنتاج، هم ارزی، ارضا پذیری)
- الگوهای استدلال در منطق گزاره ای (قیاس – رزولوشن)
- زنجیره سازی به جلو و عقب
- عامل های مبتنی بر منطق گزاره ای – عامل های مبتنی بر مدار
- درس هفتم: منطق مرتبه اول
- بازنمایی دانش
- نحو و معانی در منطق مرتبه اول
- ترم ها – سورها جملات ساده و پیچیده در منطق مرتبه اول
- به کارگیری منطق مرتبه اول در توصیف
- مهندسی دانش در منطق مرتبه اول
- درس هشتم: استنتاج در منطق مرتبه اول
- مقایسه استنتاج گزاره ای و استنتاج منطق مرتبه اول
- یکسان سازی و ارتقا
- زنجیره سازی پیشرو
- رزولوشن در منطق مرتبه اول
- درس نهم: عدم قطعیت – شبکه های بیزین
- قانون احتمال – قانون بیزین
- استدلال در شبکه های باور
مفید برای رشته های
- مهندسی کامپیوتر
- مهندسی فناوری اطلاعات
در ادامه لیست کتب انگلیسی منتشر شده در این زمینه معرفی شده اند:
معرفی کتب انگلیسی | |||
عنوان | نویسندگان | سال انتشار | |
Artificial Intelligence: A Modern Approach (3rd Edition) | Stuart Russell and Peter Norvig | ۲۰۰۹ | |
Artificial Intelligence Illuminated (Jones and Bartlett Illuminated) Computer ed. Edition | Ben Coppin | ۲۰۰۴ |
یاسین :
بازم مثل همیشه استاد بابایی عالی بود… خیلی مفهمومی و عالی با حل مثال های متنوع درس رو تدریس میکنید. ممنون به خاطر این آموزش.
مسعود شاه نظری :
ضعیف
حمید :
بسیار ارزنده بود، پیشنهاد می کنم دوستان حتماً از این آموزش استفاده کنند، کتاب راسل منبع جامع ولی فوق العاده سختیه و مطلب رو با بیان دشواری یاد میده ولی آقای بابایی خیلی جالب و گویا مطلب رو ارائه دادند و من واقعاً استفاده کردم. ممنونم.
حق پرست :
بسیار ممنونم از اموزش شبکه های باور بیزین . ممنون از اینکه فیلم هر قسمت جداگانه وجود دارد.
ستوده پارسا :
سرفصل هارو خوب پوشش دادن ولیکن متاسفانه استاد کلی تدریس می کنن و با سرعت رد میشن.
منوچهر بابایی :
باتشکر از اظهار لطف دوستان
پیشنهادات و انتقادات دوستان عزیز چراغ راه من برای ارایه اموزشهای بهتر خواهد بود.سعی بنده در اموزشها ارایه مطالب بصورت موشکافانه همراه با حل مسایل متعدد است، این اموزش نیز از این قاعده مستثنی نیست، و باتوجه به خلا زیادی که برای درس در محیطهای اموزشی وجود دارد سعی من بازنمودن مطالب تا حد امکان بوده است.همچنین کتابهای مرجع درس(راسل و بن کوپین…) منابع بسیار قدرتمندی هستند اما متاسفانه در ترجمه گنگ و نامفهوم جلوه میکنند.برای همین سعی بنده روان سازی مطالب با جزییات بوده است.امیدوارم با ارایه این اموزش بارکوچکی از دوش دانشجویان بخصوص داوطلبان کنکور برداشته باشم.
ارادتمند شما دوستان عزیز،
منوچهر بابایی
هادی :
آموزش خوبی بود ولی متاسفانه فصل ارضای محدودیت به خوبی تدریس داده نشده و ظاهرا استاد تسلط کافی به این بخش ندارند.بقیه فصول کمابیش خوب بوده.
منوچهر بابایی :
باسلام
فصل ارضامحدودیت فراتر از کتاب تدریس شده است.درکتاب خیلی به این موضوع پرداخته نشده است.با رسم شکلهای مختلف سعی شده است همه چیز به شکل بصری تشریح شود.
احمدپور :
با سلام
دوره آموزشی خوبی بود. بعد از دیدن فیلم ها برخی مطالب که باخواندن کتاب متوجه مسایل نمی شدم کاملا برام روشن شدن.
محمد مشیری :
بی شک این آموزش برترین و کاملترین آموزش فارسی هوش مصنوعی در سطح وب هستش.
من واقعا تعجب میکنم از دوستانی مثل آقای شاه نظری که گفتن ضعیفه
بینهایت از استاد بابایی عزیز و مجموعه بینظیر فرادرس تشکر میکنم.
خدا قوت
farzaneh :
سلام من خیلی سعی کردم یاد بگیرم ولی بیان استادش خوب تبود لااقل برا من.من یه مبحث رو چند بار دیدم تا بتونم بفهمم یعنی یکم سطح بالا توضبح میدادن من بیانشون رو اصلا دوست نداشتم.ولی دسشون درد نکنه شاید فقط من به اون صورت راضی نبودم.