هوش مصنوعی
Artificial Intelligence
| کارشناسی | مقطع: | هوش مصنوعی | نام درس: |
|---|---|---|---|
| تخصصی الزامی | گروه درس: | مبانی منطق ،طراحی و تحلیل الگوریتم‌ها | پیش‌نیاز: |
| نظری | نوع درس: | ندارد | هم‌نیاز: |
| 48 | تعداد ساعت: | 3 | تعداد واحد: |
| دارد | حل تمرین: |
سرفصل درس:
- مقدمه‌ای بر هوش مصنوعی و تاریخچه‌ی آن، معرفی عامل‌های هوشمند، فضای حالت، جست‌وجوی ناآگاهانه، جست‌وجوی آگاهانه، الگوریتم *A و اثبات بهینگی، جست‌وجوی محلی، مسائل ارضای محدودیت، جست‌وجوی عقبگرد، حل مسائل CSP با رویکرد جستجوی محلی، جستجوی مقابله‌ای، الگوریتم minimax و هرس آلفا-بتا، یادگیری تقویتی، روش‌های مبتنی بر مدل، یادگیری تفاضل زمانی و الگوریتم Q-learning، معرفی شبکه‌های بیزین، بازنمایی در شبکه‌های بیزین و استقلال در این شبکه‌ها، استنتاج در شبکه‌های بیزین: استنتاج دقیق و استنتاج تقریبی با استفاده از نمونه برداری، تخمین پارامترها در شبکه‌های بیزین، نمونه‌های معروف و کاربردی از شبکه‌های بیزین: مدل مارکوف، مدل مخفی مارکوف، دسته‌بند بیز ساده.
منابع:
-
Russell, S., & Norvig, P., (2020), Artificial intelligence: a modern approach, 4th Edition, PEARSON SERIES.
-
Berkeley notes in Intro to Artificial Intelligence course: https://inst.eecs.berkeley.edu/~cs188