CS405: هوش مصنوعی

مهارت های جدید را بیاموزید یا با استفاده از دوره های رایگان آکادمی Saylor ، با سرعت خود و بدون مهلت اعتبار خود را کسب کنید. ما متعهد هستیم که موانع آموزش و پرورش را برطرف کنیم و به شما در ایجاد مهارت های اساسی برای پیشبرد اهداف شغلی خود کمک کنیم. یادگیری را از اینجا شروع کنید ، یا کاتالوگ دوره کامل ما را بررسی کنید.

برای ثبت نام در دوره ها وارد شوید یا ثبت نام کنید ، پیشرفت خود را پیگیری کنید ، به امتحانات نهایی دسترسی پیدا کنید و یک گواهی رایگان برای تکمیل دریافت کنید!

این دوره و امتحان آن در 18 اوت 2018 بسته شد. دیگر امکان ثبت نام یا دریافت گواهینامه برای این دوره امکان پذیر نیست.

مقدمه دوره

CS405 زمینه هوش مصنوعی (AI) را معرفی می کند. مطالب مربوط به برنامه نویسی هوش مصنوعی ، منطق ، جستجو ، بازی ، یادگیری ماشین ، درک زبان طبیعی و روباتیک دانش آموز را با روش ها ، ابزارها و تکنیک های هوش مصنوعی ، کاربرد آنها در مشکلات محاسباتی و سهم آنها در درک هوش آشنا می کند. از آنجا که هر یک از این مباحث می تواند یک دوره برای خود باشد ، مطالب مقدماتی است و کامل نیست. هر واحد مشکل را به یک موضوع ، پیشرفت فعلی و رویکردهای مربوط به مشکل ارائه می دهد. خوانش ها شامل مطالب بیشتری است که در این دوره به آنها اشاره می شود و دانشجویان تشویق می شوند از این منابع برای دنبال کردن موضوعات مورد علاقه پس از این دوره استفاده کنند.

واحد 1: مقدمه ای بر هوش مصنوعی (AI) و برنامه نویسی AI

در حالی که برنامه های هوش مصنوعی می توانند در هر تعداد از زبان های مختلف توسعه یابد ، برخی از ویژگی های زبان برنامه نویسی برنامه های هوش مصنوعی را ساده می کند. Prolog به گونه ای ساختار یافته است که توسعه برنامه AI توسط ویژگی های زبان Prolog پشتیبانی می شود. زبانهای دیگر ، مانند جاوا ، از برنامه نویسی AI از طریق کتابخانه های کد پشتیبانی می کنند. در این مرحله از حرفه خود به عنوان یک رشته اصلی علوم کامپیوتر ، شما قبلاً دوره های برنامه نویسی مقدماتی را گذرانده اید. اینها باید به شما در یادگیری Prolog و استفاده از کتابخانه های کد به زبان های دیگر برای توسعه برنامه AI کمک کند.

این واحد از طریق ویژگی های برنامه نویسی که از برنامه های اساسی AI پشتیبانی می کند ، مقدمه ای برای هوش مصنوعی برای شما فراهم می کند. با برآورده کردن اهداف این واحد ، شما با برنامه نویسی هوش مصنوعی آشنایی خواهید داشت و می توانید از آن در مدل های آینده برای اجرای برنامه های مختلف هوش مصنوعی استفاده کنید.

تکمیل این واحد باید تقریباً 10 ساعت طول بکشد.

واحد 2: جستجو

دوره های قبلی شما را با جستجو در الگوریتم ها آشنا کرده است. در این واحد ، نحوه اجرای الگوریتم های جستجوی استاندارد را یاد خواهید گرفت. ما ابتدا در مورد انگیزه بررسی جستجوی جستجو از دیدگاه هوش مصنوعی ، یادگیری اصطلاحات جدید همانطور که می رویم بحث خواهیم کرد که در این واحد و فراتر از آن استفاده می شود. سپس ما در مورد روشهای اصلی جستجوی و همچنین نیازهای زمان و حافظه خواهیم آموخت و با بحث در مورد مزایا و مضرات الگوریتم های جستجو نتیجه گیری خواهیم کرد. در پایان این واحد ، شما می توانید هنگام توسعه الگوریتم های جستجو ، تکنیک های AI را اعمال کنید.

تکمیل این واحد باید تقریباً 12 ساعت طول بکشد.

واحد 3: رضایت محدودیت

برنامه های هوش مصنوعی بر اساس ایده بیانیه مشکل با محدودیت ها ساخته شده اند. در هوش مصنوعی ، ما باید در این محدودیت ها کار کنیم تا یک راه حل بهینه ایجاد کنیم. در این واحد ، "مشکل" را به صورت خاص هوش مصنوعی تعریف خواهیم کرد و در مورد رویکردهای مختلف برای رضایت محدودیت بحث خواهیم کرد. رضایت محدودیت یک موضوع مهم در AI است. مشکل معروف رنگ آمیزی نقشه دارای متغیرهای ساده و محدودیت های ساده است و بنابراین در نشان دادن اصول رضایت محدودیت مفید است. با پایان این واحد ، شما قادر خواهید بود مشکلات اساسی را حل کنید.

تکمیل این واحد باید تقریباً 10 ساعت طول بکشد.

واحد 4: بازی بازی

برخی از اولین و قابل تشخیص ترین برنامه های هوش مصنوعی بازی هایی مانند شطرنج و Tic-Tac-Toe هستند که مشهورترین آنها مسابقه شطرنج بین گری کسپاروف و Deep Blue است. در این واحد ، ما در مورد توسعه برنامه های بازی بازی و همچنین رابطه بین بازی های بازی و الگوریتم های جستجو بحث خواهیم کرد. این واحد همچنین بهترین روشها را برای ساخت برنامه های بازی در اختیار شما قرار می دهد.

این واحد به گونه ای طراحی شده است که چگونه می توانید الگوریتم هایی را برای برنامه های بازی بازی طراحی کنید. برای اهداف ما ، Tic-Tac-Toe را پیدا خواهید کرد که از ویژگی های رضایت از جستجو و محدودیت استفاده می کند ، ساده ترین. ما پیشنهاد می کنیم که به عنوان یک تمرین غیررسمی ، شما یک برنامه TIC-TAC-TOE ایجاد کنید و سپس در برابر آن بازی کنید ، با توجه به نرخ موفقیت الگوریتم و تعیین اینکه کدام تغییرات برای بهبود عملکرد آن باید اجرا شود.

تکمیل این واحد باید تقریباً 10 ساعت طول بکشد.

واحد 5: منطق

ما قبلاً به طور خلاصه در مورد منطق بحث کرده ایم ، اما این واحد تعریف رسمی تری را در اختیار شما قرار می دهد. ما در مورد دو نوع اصلی منطق-مقادیر و مرتبه اول-یاد خواهیم گرفت. Prolog برای بیان منطق طراحی شده است. این واحد پایه و اساس محکمی در منطق به شما می دهد تا بتوانید از برنامه های کاربردی منطق استفاده یا یاد بگیرید. به همین ترتیب ، شما قادر خواهید بود از کتابخانه های کلاس که از تکنیک های هوش مصنوعی به زبانهای دیگر مانند C ++ و جاوا پشتیبانی می کنند ، استفاده یا یاد بگیرید.

تکمیل این واحد باید تقریباً 24 ساعت طول بکشد.

واحد 6: یادگیری ماشین

یادگیری ماشین به برنامه های رایانه ای اشاره دارد که قادر به طبقه بندی داده ها به منظور به حداکثر رساندن درک آن اطلاعات هستند. یادگیری ماشین از نزدیک با آمار و مدل سازی ارتباط دارد و دارای طیف گسترده ای از برنامه ها ، از پردازش زبان طبیعی ، جستجو ، روباتیک و نمایه سازی ، تا سایر برنامه های تشخیص الگوی است. این واحد با تعریف یادگیری ماشین ، برنامه های کاربردی آن و تعدادی از اصطلاحات مهم دیگر که در این واحد استفاده می شود ، آغاز می شود. ما سپس به سه کلاس اصلی یادگیری ماشین می پردازیم: یادگیری نظارت شده ، یادگیری نیمه نظارت و یادگیری بدون نظارت. شما همچنین به یک بنیاد مقدماتی در یادگیری ماشین پایان خواهید داد که برای مطالعه بیشتر دانشگاهی در این زمینه مفید خواهد بود.

تکمیل این واحد باید تقریباً 26 ساعت طول بکشد.

واحد 7: درک زبان طبیعی

این واحد مقدمه ای اساسی برای درک زبان طبیعی (NLU) در هوش مصنوعی را در اختیار شما قرار می دهد. نحو ، معناشناسی و ابهام زبان طبیعی مورد بحث قرار گرفته است. نمونه های ساده ارائه شده است. برخی از آنچه ما در جستجو و یادگیری دیده ایم ، در NLU اعمال می شود. پردازش و درک زبان طبیعی زمینه بزرگی از تحقیق است و کل دوره هایی را به آن اختصاص داده است. بنابراین ، در این مقدمه ، هدف ما صرفاً معرفی مشکلات و رویکردها است.

تکمیل این واحد باید تقریباً 20 ساعت طول بکشد.

واحد 8: روباتیک

Robotics مباحث قبلی و همچنین اطلاعات و تکنیک های دیگر از رشته ها ، از جمله بسیاری از زمینه های مهندسی ، فیزیک ، کنترل ، احتمال و آمار ، معادلات دیفرانسیل ، زبانشناسی و بسیاری از برنامه ها ، به عنوان مثال ، تولید ، سنسورها ، برنامه های پزشکی و غیره را ترسیم و ادغام می کند. برخی از مشارکتهای هوش مصنوعی در روباتیک الگوریتم های جستجو ، بازنمایی و مدل های دنیای ربات ، استنباط ، یادگیری و ویژگی های برنامه نویسی هوش مصنوعی و ادغام آنها است.

تکمیل این واحد باید تقریباً 9 ساعت طول بکشد.