آموزش هوش مصنوعی و الگوریتم های فراابتکاری با پایتون

سرفصل های آموزش هوش مصنوعی و الگوریتم های فراابتکاری در پایتون

مقدمه

• مقدمه
• اسلایدها و کد منبع

الگوریتم های گراف

• دلیل استفاده از الگوریتم های فراابتکاری چیست؟

الگوریتم جستجوی اول عرض (DFS)

• جستجوی اول عرض چیست؟
• پیاده سازی جستجوی اول عرض
• کاربردهای جستجوی اول عرض

چالش 1 – وب كراولر

• چالش شماره 1 – مسئله وب کراولر
• وب کراولر (هسته موتورهای جستجوی) چیست؟
• پیاده سازی اولیه وب کراولر

الگوریتم جستجوی اول عمق (DFS)

• جستجوی اول عمق چیست؟
• پیاده سازی جستجوی اول عمق
• پیاده سازی جستجوی اول عمق با بازگشت
• جستجوی اول عمق و مصورسازی استک مموری
• مقایسه حافظه الگوریتم های پیمایش گراف
• کاربردهای جستجوی اول عمق

چالش شماره 2 – حل کننده ماز

• چالش شماره 2 – مسئله ماز
• مقدمه مسئله ماز
• پیاده سازی مسئله ماز
• مصورسازی استک مموری مسئله ماز

الگوریتم جستجوی *A

• الگوریتم جستجوی *A چیست؟
• تصویر سازی الگوریتم جستجوی *A
• پیاده سازی الگوریتم جستجوی *A – بخش اول
• پیاده سازی الگوریتم جستجوی *A – بخش دوم
• پیاده سازی الگوریتم جستجوی *A – بخش سوم
• مقایسه الگوریتم های مسیریابی

الگوریتم های فرا ابتکاری

• رویکردهای فرا ابتکاری (روش های بینه سازی) چیست؟
• آزمون الگوریتم های ابتکاری

تبرید شبیه سازی شده

• تبرید شبیه سازی شده چیست؟
• آزمون تبرید شبیه سازی شده

پیاده سازی تبرید شبیه سازی شده – توابع پیوسته

• پیاده سازی تبرید شبیه سازی شده – بخش اول
• پیاده سازی تبرید شبیه سازی شده – بخش دوم
• پیاده سازی تبرید شبیه سازی شده – بخش سوم

پیاده سازی تبرید شبیه سازی شده – بهینه سازی ترکیباتی

• مسئله فروشنده دوره گرد (STP) چیست؟
• پیاده سازی مسئله فروشنده دوره گرد – بخش اول
• پیاده سازی مسئله فروشنده دوره گرد – بخش دوم
• پیاده سازی مسئله فروشنده دوره گرد – بخش سوم
• پیاده سازی مسئله فروشنده دوره گرد – بخش چهارم

پیاده سازی تبرید شبیه سازی شده – سودوکو

• مسئله سودوکو چیست؟
• پیاده سازی مسئله سودوکو – بخش اول
• پیاده سازی مسئله سودوکو – بخش دوم
• پیاده سازی مسئله سودوکو – بخش سوم
• پیاده سازی مسئله سودوکو – بخش چهارم

الگوریتم های ژنتیک

• مقدمه الگوریتم ها ژنتیک – مبانی
• مقدمه الگوریتم ها ژنتیک – کروموزوم ها
• مقدمه الگوریتم ها ژنتیک – تقاطع
• مقدمه الگوریتم ها ژنتیک – جهش
• مقدمه الگوریتم ها ژنتیک – انتخاب
• مقدمه الگوریتم ها ژنتیک – الگوریتم
• نخبه گرایی چیست؟
• مزایا و محدودیت های الگوریتم های ژنتیک
• آزمون های الگورتم ژنتیک

پیاده سازی الگوریتم های ژنتیک – مثال ساده

• پیاده سازی الگوریتم ژنتیک – بخش اول
• پیاده سازی الگوریتم ژنتیک – بخش دوم
• پیاده سازی الگوریتم ژنتیک – بخش سوم
• پیاده سازی الگوریتم ژنتیک – بخش چهارم
• پیاده سازی الگوریتم ژنتیک – بخش پنجم – نخبه گرایی

پیاده سازی الگوریتم های ژنتیک – مسائل دسته بندی محدودیت

• مسئله N-queens چیست؟
• پیاده سازی مسئله N-queens – بخش اول
• پیاده سازی مسئله N-queens – بخش دوم

چالش شماره 3 – مسئله کوله پشتی

• چالش دوره شماره 3 – بررسی مسئله کوله پشتی
• مسئله کوله پستی چیست؟
• پیاده سازی مسئله کوله پشتی

بهینه سازی ازدحام ذرات

• هوش ازدحامی چیست؟
• مقدمه بهینه سازی هوش ازدحام ذرات – مبانی
• مقدمه بهینه سازی هوش ازدحام ذرات – الگوریتم
• Trade-off اکتشاف و بهره برداری
• آزمون بهینه سازی ازدحام ذرات

بهینه سازی ازدحام ذرات – مثال ساده

• پیاده سازی بهینه سازی ازدحام ذرات – بخش اول
• پیاده سازی بهینه سازی ازدحام ذرات – بخش دوم
• پیاده سازی بهینه سازی ازدحام ذرات – بخش سوم

بازی دو نفره

• مقدمه درختان بازی
• آزمون بازی دو نفره

الگوریتم مینیماکس – موتورهای بازی

• مقدمه الگوریتم مینیماکس – مبانی
• مقدمه الگوریتم مینیماکس – الگوریتم
• مقدمه الگوریتم مینیماکس – مرتبط با بازی دوز
• مقدمه هرس آلفا بتا
• مثال هرس آلفا بتا
• مسئله شطرنج

بازی دوز

• پیاده سازی بازی دوز – بخش اول
• پیاده سازی بازی دوز – بخش دوم
• پیاده سازی بازی دوز – بخش سوم
• پیاده سازی بازی دوز – بخش چهارم
• پیاده سازی بازی دوز – بخش پنجم
• پیاده سازی بازی دوز – بخش ششم
• مصورسازی بازی دوز – بخش هفتم – هرس کردن

یادگیری تقویتی

• یادگیری تقویتی چیست؟
• کاربردهای یادگیری تقویتی

تئوری فرآیند تصمیم گیری مارکوف (MDP)

• مبانی فرآیندهای تصمیم گیری مارکوف – بخش اول
• مبانی فرآیندهای تصمیم گیری مارکوف – بخش دوم
• مبانی فرآیندهای تصمیم گیری مارکوف – معادلات
• مبانی فرآیندهای تصمیم گیری مارکوف – تصویرسازی
• معادله بلمن
• چگونه مسئله MDP را حل کنیم؟
• تکرار ارزش چیست؟
• تکرار سیاست چیست؟
• فرمول ریاضی یادگیری تقویتی
• آزمون مبانی یادگیری تقویی

مسئله اکتشاف در مقابل بهره برداری

• مسئله اکتشاف در مقابل بهره برداری
• مقدمه مسئله راهزن چند مسلح (N-armed bandit)
• پیاده سازی مسئله راهزن چند مسلح (N-armed bandit)
• کاربردها – تست A/B در بازاریابی
• آزمون اکتشاف در مقابل بهره برداری

تئوری Qlearning

• Qlearning چیست؟
• مقدمه Qlearning – الگوریتم
• تصویرسازی Qlearning
• فرمول ریاضی Qlearning
• آزمون QLearning

پیاده سازیQLearning – بازی دوز

• بازی دوز با استفاده از Qlearning بخش اول
• بازی دوز با استفاده از Qlearning بخش دوم
• بازی دوز با استفاده از Qlearning بخش سوم
• بازی دوز با استفاده از Qlearning بخش چهارم
• بازی دوز با استفاده از Qlearning بخش پنجم
• بازی دوز با استفاده از Qlearning بخش ششم
• بازی دوز با استفاده از Qlearning بخش هفتم
• بازی دوز با استفاده از Qlearning بخش هشتم

پیوست – دوره فشرده برنامه نویسی پایتون

• مقدمه دوره فشرده سازی

پیوست 1 – مبانی پایتون

• مرحله اولیه در پایتون
• انواع اولیه داده چیست؟
• بولین ها
• رشته ها
• اسلایس کردن رشته
• Type casting
• عملگرها
• دستورات شرطی
• چگونه از چندین دستور شرطی استفاده کنیم؟
• تمرین – دستورات شرطی
• راه حل – دستورات شرطی

پیوست 2 – توابع

• تابع چیست؟
• تعریف توابع
• آرگومان های پوزیشنال و آرگومان های کلیدواژه
• بازگردانی مقادیر
• بازگردانی مقادیر چندگانه
• تمرین – توابع
• راه حل – توابع
• عملگر Yield
• متغیرهای محلی و گلوبال
• مرتبط ترین توابع داخلی کدامند؟
• بازگشت چیست؟
• تمرین – بازگشت
• راه حل – بازگشت
• متغیر های محلی در مقابل گلوبال
• تابع __main__

پیوست 3 – ساختارهای داده در پایتون

• چگونه زمان اجرای الگوریتم ها را اندازی گیری کنیم؟
• مقدمه ساختارهای داده
• ساختارهای داده آریه – بخش اول
• ساختارهای داده آرایه – بخش دوم
• لیست ها در پایتون
• لیست ها در پایتون – عملیات های پیشرفته
• لیست های در پایتون – list comprehension
• آرایه ها و لیست ها در پایتون
• تمرین – list comprehension
• راه حل – list comprehension
• تاپل چیست؟
• تغییر پذیری و تغییر ناپذیری
• ساختارهای داده لیست پیوندی چیست؟
• پیاده سازی لیست پیوندی دو طرفه در پایتون
• هشینگ و پیچیدگی زمان اجرای 0(1)
• دیکشینری ها در پایتون
• مجموعه ها در پایتون
• تمرین – ایجاد دیکشینری ها
• راه حل – ایجاد دیکشینری ها
• مرتب سازی

پیوست 4 – برنامه نویسی شی گرا (OPP)

• برنامه نویسی شی درا (OPP) چیست؟
• مبانی کلاس و آبجکت ها
• استفاده از constructor
• متغیرهای نمونه و متغیرهای کلاس
• تمرين – ایجاد کلاس ها
• راه حل – ایجاد کلاس ها
• متغیرهای خصوصی و دستکاری نام
• وراثت در OOP چیست؟
• کلیدواژه super
• تابع override (متد)
• پلی مورفیسم چیست؟
• مثال انتزاع و پلی مورفیسم
• تمرين – انتزاع
• راه حل – انتزاع
• ماژول ها
• تابع __str__
• مقایسه آبجکت ها – تابع overriding

پیوست 5 – NumPy

• مزیت کلیدی NumPy چیست؟
• ایجاد و بروزرسانی آرایه ها
• ابعاد آرایه ها
• ایندکس ها و اسلایس کردن
• تایپ ها
• تغییر شکل
• تمرین – مسئله تغییر شکل
• راه حل – مسئله تغییر شکل
• استک سازی و ادغام آرایه ها
• فيلتر
• مقایسه زمان اجرا – آرایه ها و لیست ها

مواد دوره

• اسلاید ها و کد منبع