AI
بازگشت به مسیر متخصص هوش مصنوعی
متخصص هوش مصنوعی
ا
مربی: الهام حیدری · مدرس هوش مصنوعی
هوش مصنوعی (دانشگاه علمی کاربردی )
آشنایی دانشجویان با مفاهیم، روشها و تکنیکهای پایه هوش مصنوعی و توانمندسازی آنان در مدلسازی مسائل، طراحی عاملهای هوشمند، استفاده از روشهای جستجو، استدلال، برنامهریزی و تصمیمگیری در شرایط عدم قطعیت به منظور حل مسائل واقعی.
ا
مربی: الهام حیدری · مدرس هوش مصنوعی
درباره دوره
آشنایی دانشجویان با مفاهیم، روشها و تکنیکهای پایه هوش مصنوعی و توانمندسازی آنان در مدلسازی مسائل، طراحی عاملهای هوشمند، استفاده از روشهای جستجو، استدلال، برنامهریزی و تصمیمگیری در شرایط عدم قطعیت به منظور حل مسائل واقعی.
ساختار دوره
52 ساعت نظری · 12 ساعت عملی
شایستگیها و ماژولها
1. هوش مصنوعی چیست؟
8 ساعت · نظری 6 · عملی 2
جزئیات
دانش: تعریف هوش مصنوعی تاریخچه و سیر تکامل AI حوزههای کاربردی هوش مصنوعی مرزهای دانش و چالشهای هوش مصنوعی
مهارت: تشخیص کاربردهای مناسب هوش مصنوعی تحلیل قابلیتها و محدودیتهای سیستمهای هوشمند مقایسه AI با برنامهنویسی سنتی
معیار ارزیابی: دانشجو بتواند مفهوم هوش مصنوعی و جایگاه آن را در علوم رایانه تشریح کند.
2. عاملهای هوشمند (Agents)
5 ساعت · نظری 4 · عملی 1
جزئیات
دانش: مفهوم عامل هوشمند ساختار عاملها محیطهای مختلف انواع عاملهای واکنشی، مبتنی بر هدف و مبتنی بر مطلوبیت
مهارت: مدلسازی عامل هوشمند تشخیص نوع محیط مسئله طراحی عامل متناسب با محیط
معیار ارزیابی: دانشجو بتواند یک عامل هوشمند مناسب برای محیطهای مختلف طراحی کند.
3. حل مسئله و جستجو
11 ساعت · نظری 9 · عملی 2
جزئیات
دانش: مفهوم فضای حالت فرمولهسازی مسئله الگوریتمهای جستجوی کور BFS، DFS، Uniform Cost
مهارت: تبدیل مسائل واقعی به فضای حالت انتخاب الگوریتم جستجوی مناسب تحلیل کارایی الگوریتمها
معیار ارزیابی: دانشجو بتواند مسائل را مدلسازی و با استفاده از روشهای جستجو حل کند.
4. جستجوی آگاهانه (Heuristic Search)
9 ساعت · نظری 8 · عملی 1
جزئیات
دانش: توابع ابتکاری (Heuristic) Best First Search حافظه محدود بهبود روشهای جستجو
مهارت: طراحی تابع ابتکاری پیادهسازی جستجوی آگاهانه مقایسه روشهای مختلف جستجو
معیار ارزیابی: دانشجو بتواند برای افزایش کارایی حل مسئله از توابع ابتکاری استفاده کند.
5. عاملهای مبتنی بر دانش و منطق
7 ساعت · نظری 6 · عملی 1
جزئیات
دانش: نمایش دانش منطق گزارهای قواعد استنتاج پایگاه دانش
مهارت: نمایش دانش به صورت منطقی استخراج نتیجه از پایگاه دانش طراحی سیستمهای مبتنی بر قواعد
معیار ارزیابی: دانشجو بتواند دانش را به صورت منطقی مدلسازی و از آن استنتاج انجام دهد.
6. منطق مرتبه اول و استنتاج
8 ساعت · نظری 5 · عملی 3
جزئیات
دانش: منطق مرتبه اول کمیکنندهها زنجیرهسازی رو به جلو و عقب قوانین استنتاج
مهارت: تبدیل مسائل به منطق مرتبه اول طراحی قواعد استنتاج پیادهسازی استنتاج
معیار ارزیابی: دانشجو بتواند مسائل را با استفاده از منطق مرتبه اول مدلسازی و استنتاج کند.
7. برنامهریزی (Planning)
3 ساعت · نظری 2 · عملی 1
جزئیات
دانش: مفهوم برنامهریزی نمایش مسئله فضای حالت برنامهریزی ساده
مهارت: طراحی مسیر رسیدن به هدف مدلسازی مسائل برنامهریزی تعیین توالی اقدامات
معیار ارزیابی: دانشجو بتواند برای رسیدن به اهداف مشخص، برنامهریزی مناسبی انجام دهد.
8. عدم قطعیت (Uncertainty)
3 ساعت · نظری 3 · عملی 0
جزئیات
دانش: مفهوم عدم قطعیت احتمال و قوانین آن تصمیمگیری احتمالی
مهارت: تحلیل مسائل دارای عدم قطعیت استفاده از احتمال در استدلال محاسبه احتمالات ساده
معیار ارزیابی: دانشجو بتواند در شرایط عدم قطعیت تصمیمگیری و استدلال کند.
9. معرفی برخی کاربردهای هوش مصنوعی
10 ساعت · نظری 9 · عملی 1
جزئیات
دانش: سیستمهای خبره پردازش زبان طبیعی بینایی ماشین رباتیک منطق فازی (Fuzzy Logic)
مهارت: تشخیص کاربردهای AI در صنایع مختلف انتخاب فناوری مناسب برای یک مسئله تحلیل نمونههای واقعی
معیار ارزیابی: دانشجو بتواند کاربردهای مختلف هوش مصنوعی را شناسایی و برای مسائل واقعی فناوری مناسب را انتخاب کند.
سطح دوره
پیشرفته
سطح این دوره بر اساس مدت آموزش و تعداد شایستگیها تعیین شده است. برای شروع، درباره دوره و شایستگیهای آن را مرور کنید.