📗 کتاب بسیار خوب هوش مصنوعی Artificial Intelligence (فارسی) 468 صفحه، سال 1388، سهراب جلوه گر با سرفصل های زیر:

📃فصل اول- هوش مصنوعی
📃فصل دوم- عامل های هوشمند
📃فصل سوم- حل مساله و جستجو
📃فصل چهارم- جستجوی آگاهانه (مکاشفه ای)
📃فصل پنجم- الگوریتم های جستجوی محلی
📃فصل ششم- مسائل ارضای محدودیت
📃فصل ششم- مسائل و برنامه نویسی ارضای محدودیت
📃فصل هشتم- تئوری بازی ها
📃فصل نهم- عامل های منطقی
📃فصل دهم- منطق مرتبه ی اول به بیان ساده
📃فصل یازدهم- منطق مربته ی اول
📃فصل دوازدهم- استنتاج در منطق مرتبه ی اول
📃فصل سیزدهم- نامعلومی (عدم قطعیت)
📃فصل چهاردهم- شبکه های بیزی
📃فصل پانزدهم- استنتاج در شبکه های بیزی
📃فصل شانزدهم- شناخت سخت یا سخن شناسی
📃فصل هفدهم- تصمیم گیری های عاقلانه (تئوری تصمیم گیری)
📃فصل هجدهم- شبکه های عصبی
📃فصل نوزدهم- الگوریتم های ژنتیکی
📃فصل بیستم- سیستم های خبره
📃فصل بیست و یکم- پردازش های تصمیم گیری مارکف
📃فصل بیست و دوم- سیستم های طبقه بندی کننده
📃فصل بیست و سوم- درخت های تصمیم گیری
📃فصل بیست و چهارم- یادگیری Q ای
📃فصل بیست و پنجم- برنامه ریزی

⭕️مناسب برای دانشجویان نرم افزار و هوش چه در مقطع کارشناسی و چه در مقطع کارشناسی ارشد.
#کتاب #هوش_مصنوعی #عامل_هوشمند #جستجو_مکاشفه_ای #جستجو_محلی #تئوری_بازی #عامل_منطقی #شبکه_بیزی #شبکه_عصبی #ژنتیک #سیستم_خبره #مارکف #درخت_تصمیمگیری
#Book #Artificial_Intelligence #ArtificialIntelligence #AI #Intelligen_Agent #Heuristics #local_Search #ConstraintSatisfactionProblems #CSP #logicalAgent #Game_Theory #BayesianNetweork #Bayesian #Speech_recognition #Neural_Networks #NN #Genetic_Algorithms #Expert_Systems #Markov_Decision #MDP #Classifier #Decision_trees #DT #Q_Learning
@Computer_IT_Engineering

فیلم های آموزشی هوش مصنوعی (فارسی) دکتر مهدیه سلیمانی از مکتبخانه، 25 قسمت، کیفیت خوب، همه با حجم 5.3GB

لیست وسرفصل های 25 جلسه:
✅جلسه اول - مقدمه، سرفصل مطالب و تاریخچه
✅جلسه دوم - آشنایی با عامل های هوشمند و خواص محیط
✅جلسه سوم - ادامه بحث عامل های هوشمند، شروع بحث حل مساله با جستجو (search)
جلسه چهارم - روش های جستجوی ناآگاهانه (uninformed)
✅جلسه پنجم - ادامه روش های جستجوی ناآگاهانه (uninformded) و معرفی اولیه A*
✅جلسه ششم - الگوریتم *A، اثبات بهینگی و خواص تابع اکتشافی (heuristic function)
✅جلسه هفتم - طراحی تابع اکتشافی و شروع بحث جستجوی محلی (local search)
جلسه هشتم - روش‌های جستجوی محلی (local search)
✅جلسه نهم - جستجو در محیط های نيمه مشاهده‌پذير (partially observable) و و غير قطعی (non-deterministic)
✅جلسه دهم - جستجوی برخط (online search)
✅جلسه یازدهم - - جستجوی در مقابل حریف (adversarial search)
✅جلسه دوازدهم - ادامه بحث جستجوی در مقابل حریف، شروع بحث معرفی مسایل ارضا محدودیت (csp)
✅جلسه سیزدهم - حل مسایل ارضای محدودیت (csp) (1)
✅جلسه چهاردهم - حل مسایل ارضای محدودیت (csp) (2)
✅جلسه پانزدهم - نکاتی در حل مسایل ارضای محدودیت (csp) و شروع بحث عامل‌های منطقی و منطق گزاره‌ای
✅جلسه شانزدهم - استنتاج در منطق گزاره‌ای
✅جلسه هفدهم - عامل منطقی و منطق مرتبه اول
✅جلسه هجدهم - منطق مرتبه اول و استنتاج در منطق مرتبه اول
✅جلسه نوزدهم - استنتاج در منطق مرتبه اول
✅جلسه بیستم - برنامه ریزی
✅جلسه بیست و یکم - گراف برنامه ریزی
✅جلسه بیست ودوم - برنامه ریزSAT Plan و pop
✅جلسه بیست و سوم - نمایش دانش احتمالی و استنتاج در دانش احتمالی
✅جلسه بیست و چهارم
✅جلسه بیست و پنجم - تصمیم گیری در محیط های غیر قطعی(یادگیری تقویتی)

#ویدئو #فیلم #هوش_مصنوعی #هوش_مصنوعی #عامل_هوشمند #جستجو_مکاشفه_ای #جستجو_محلی #عامل_منطقی #یادگیری_تقویتی
#Video #Artificial_Intelligence #ArtificialIntelligence #AI #Intelligen_Agent #Heuristics #local_Search #ConstraintSatisfactionProblems #CSP #logicalAgent #ReinforcementLearning #Reinforcement_Learning
@Computer_IT_Engineering