AI و متا اکتوری (بهینه سازی ترکیبی) پایتون

الگوریتم های گراف، الگوریتم های ژنتیک، آنیلینگ شبیه سازی شده، هوش مصنوعی، اکتشافی، حداقل و متا حوریستیک

عنوان اصلی : AI and Meta-Heuristics (Combinatorial Optimization) Python

سرفصل های دوره :

مقدمه:
اسلایدها و کد منبع
### الگوریتم های نمودار ###:
چرا الگوریتم های گراف را در نظر بگیریم؟
الگوریتم Breadth-First Search (DFS):
اجرای جستجوی پهنا
کاربردهای جستجوی وسعت
امتحان جستجوی وسعت
چالش شماره 1 - WebCrawler:
چالش دوره شماره 1 - مشکل WebCrawler
WebCrawlers (هسته موتورهای جستجو) چیست؟
پیاده سازی اولیه WebCrawler
الگوریتم Depth-First Search (DFS):
جستجوی اول عمق چیست؟
اجرای جستجوی اول در عمق
اجرای جستجوی عمقی اول با بازگشت
جستجوی اولیه و تجسم حافظه پشته
مقایسه حافظه الگوریتم‌های پیمایش نمودار
آزمایش جستجوی عمق-اول
چالش شماره 2 - حل کننده ماز:
چالش دوره شماره 2 - مشکل ماز
معرفی مشکل ماز
اجرای مشکل ماز
تجسم حافظه پشته مشکل پیچ و خم
A* الگوریتم جستجو:
الگوریتم جستجوی A* چیست؟
تصویر جستجوی A*
اجرای جستجوی A* I
اجرای جستجوی A* II
اجرای جستجوی A* III
مقایسه الگوریتم های مسیریابی
A* آزمون جستجو
### META-HEURISTICS ###:
رویکردهای فراابتکاری چیست؟
آزمون اکتشافی
بازپخت شبیه سازی شده:
بازپخت شبیه سازی شده چیست؟
آزمون بازپخت شبیه سازی شده
اجرای بازپخت شبیه سازی شده - توابع پیوسته:
اجرای بازپخت شبیه سازی شده I
پیاده سازی بازپخت شبیه سازی شده II
اجرای بازپخت شبیه سازی شده III
اجرای بازپخت شبیه سازی شده - بهینه سازی ترکیبی:
مشکل فروشنده دوره گرد (TSP) چیست؟
اجرای مشکل فروشنده دوره گرد I
اجرای مشکل فروشنده دوره گرد II
اجرای مشکل فروشنده دوره گرد III
اجرای مشکل فروشنده دوره گرد IV
اجرای بازپخت شبیه سازی شده - سودوکو:
مشکل سودوکو چیست؟
پیاده سازی مشکل سودوکو I
پیاده سازی مشکل سودوکو II
اجرای مشکل سودوکو III
اجرای مشکل سودوکو IV
الگوریتم های ژنتیک:
معرفی الگوریتم های ژنتیک - مبانی
معرفی الگوریتم های ژنتیک - کروموزوم ها
معرفی الگوریتم های ژنتیک - متقاطع
معرفی الگوریتم های ژنتیک - جهش
معرفی الگوریتم های ژنتیک - انتخاب
معرفی الگوریتم های ژنتیک - الگوریتم
نخبه گرایی چیست؟ مزایا و محدودیت های الگوریتم ژنتیک
آزمون الگوریتم های ژنتیک
اجرای الگوریتم های ژنتیک - مثال ساده:
اجرای الگوریتم ژنتیک I
اجرای الگوریتم ژنتیک II
اجرای الگوریتم ژنتیک III
اجرای الگوریتم ژنتیک IV
اجرای الگوریتم ژنتیک V - نخبه گرایی
اجرای الگوریتم های ژنتیک - مشکلات رضایت از محدودیت:
مشکل N-queens چیست؟
اجرای مشکل N ملکه I
اجرای مسئله N ملکه II
چالش شماره 3 - مشکل کوله پشتی:
چالش دوره شماره 3 - بررسی اجمالی مشکل کوله پشتی
مشکل کوله پشتی چیست؟
اجرای مشکل کوله پشتی
بهینه سازی ازدحام ذرات:
هوش گروهی چیست؟
معرفی بهینه سازی ازدحام ذرات - مبانی
معرفی بهینه سازی ازدحام ذرات - الگوریتم
معادل اکتشاف و بهره برداری
آزمون بهینه سازی ازدحام ذرات
بهینه سازی ازدحام ذرات - مثال ساده:
اجرای بهینه سازی ازدحام ذرات I
اجرای بهینه سازی ازدحام ذرات II
اجرای بهینه سازی ازدحام ذرات III
### بازی دو نفره ###:
معرفی درختان بازی
آزمون بازی های دو نفره
الگوریتم Minimax - موتورهای بازی:
معرفی الگوریتم Minimax - مبانی
معرفی الگوریتم Minimax - الگوریتم
معرفی الگوریتم Minimax - ارتباط با tic-tac-toe
معرفی هرس آلفا بتا
نمونه هرس آلفا-بتا
مشکل شطرنج
مسابقه موتورهای بازی
بازی تیک تاک:
اجرای تیک تاک پا I
اجرای تیک تاک پا II
اجرای تیک تاک پا III
اجرای تیک تاک پا IV
اجرای تیک تاک انگشت پا V
اجرای تیک تاک پا VI
تجسم حافظه پشته Minimax
اجرای تیک تاک پنجه VII - هرس
### یادگیری تقویتی ### :
یادگیری تقویتی چیست؟
کاربردهای یادگیری تقویتی
تئوری فرآیند تصمیم گیری مارکوف (MDP):
مبانی فرآیندهای تصمیم مارکف I
مبانی فرآیندهای تصمیم مارکوف II
فرایندهای تصمیم مارکوف - معادلات
فرایندهای تصمیم مارکف - تصویر
معادله بلمن
چگونه مشکلات MDP را حل کنیم؟
تکرار ارزش چیست؟
تکرار خط مشی چیست؟
فرمول بندی ریاضی یادگیری تقویتی
آزمون مبانی یادگیری تقویتی
مشکل اکتشاف در مقابل بهره برداری:
مشکل اکتشاف در مقابل بهره برداری
معرفی مشکل راهزن مسلح N
اجرای مشکل راهزن مسلح N-armed
کاربردها: تست A/B در بازاریابی
آزمون اکتشاف در مقابل بهره برداری
نظریه یادگیری Q :
یادگیری Q چیست؟
Q مقدمه یادگیری - الگوریتم
تصویر یادگیری Q
فرمول بندی ریاضی یادگیری Q
آزمون یادگیری Q
اجرای یادگیری Q (تیک تاک) :
Tic tac toe با اجرای یادگیری Q I
تیک تاک پا با اجرای یادگیری Q II
تیک تاک پا با اجرای یادگیری Q III
تیک تاک پا با اجرای یادگیری Q IV
تیک تاک پا با اجرای یادگیری Q V
تیک تاک پا با اجرای یادگیری Q VI
تیک تاک پا با اجرای یادگیری Q VII
تیک تاک پا با اجرای یادگیری Q VIII
### ضمیمه - دوره crash برنامه نویسی پایتون ### :
معرفی دوره سقوط پایتون
پیوست شماره 1 - مبانی پایتون:
اولین مراحل در پایتون
انواع داده های اساسی چیست؟
بولی ها
رشته ها
برش رشته
ریخته گری را تایپ کنید
اپراتورها
گزاره های مشروط
چگونه از چند شرط استفاده کنیم؟
تمرين: عبارات شرطي
راه حل: عبارات شرطی
عملگرهای منطقی
حلقه - برای حلقه
حلقه - حلقه while
تمرین: محاسبه میانگین
راه حل: محاسبه میانگین
حلقه های تو در تو چیست؟
شمارش کنید
بشکنید و ادامه دهید
محاسبه اعداد فیبوناچی
تمرین: اعداد فیبوناچی
راه حل: اعداد فیبوناچی
پیوست شماره 2 - توابع:
توابع چیست؟
تعریف توابع
آرگومان های موقعیت و آرگومان های کلیدواژه
برگرداندن مقادیر
برگرداندن چندین مقدار
ورزش: توابع
راه حل: توابع
عملگر بازده
متغیرهای محلی و جهانی
مرتبط ترین توابع داخلی کدامند؟
بازگشت چیست؟
تمرین: بازگشت
راه حل: بازگشت
متغیرهای محلی در مقابل متغیرهای جهانی
تابع __main__
پیوست شماره 3 - ساختارهای داده در پایتون:
چگونه زمان اجرای الگوریتم ها را اندازه گیری کنیم؟
معرفی ساختارهای داده
ساختارهای داده آرایه چیست I
ساختارهای داده آرایه چیست II
لیست در پایتون
لیست در پایتون - عملیات پیشرفته
لیست در پایتون - درک لیست
(!!!) لیست ها و آرایه های پایتون
تمرین: درک فهرست
راه حل: درک فهرست
اندازه گیری زمان اجرای لیست ها
تاپل ها چیست؟
تغییرپذیری و تغییرناپذیری
ساختارهای داده لیست پیوندی چیست؟
پیاده سازی لیست پیوندی دوگانه در پایتون
هش و پیچیدگی زمان اجرا O(1).
فرهنگ لغت در پایتون
مجموعه ها در پایتون
تمرین: ساخت فرهنگ لغت
راه حل: ساخت فرهنگ لغت
مرتب سازی
پیوست شماره 4 - برنامه نویسی شی گرا (OOP):
برنامه نویسی شی گرا (OOP) چیست؟
اصول کلاس و اشیا
با استفاده از سازنده
متغیرهای کلاس و متغیرهای نمونه
تمرین: ساختن کلاس ها
راه حل: ساخت کلاس ها
متغیرهای خصوصی و انحراف نام
وراثت در OOP چیست؟
کلید کلیدی فوق العاده
عملکرد (روش) تابع
چند ریختی چیست؟
نمونه چندشکلی و انتزاعی
تمرین: انتزاع
راه حل: انتزاع
ماژول ها
تابع __str__
مقایسه اشیا - توابع برتر
پیوست شماره 5 - NumPy:
مزیت کلیدی NumPy چیست؟
ایجاد و به روز رسانی آرایه ها
بعد آرایه ها
شاخص ها و برش
انواع
تغییر شکل
ورزش: مشکل تغییر شکل
راه حل: مشکل را تغییر شکل دهید
چیدمان و ادغام آرایه ها
فیلتر
مقایسه زمان اجرا: آرایه ها و لیست ها
مواد دوره:
اسلایدها و کد منبع