مقدمه‌ای بر هوش مصنوعی

سرفصلهای دوره:
1- مسائل جستجو (BFS, DFS, Greedy)
2- مسائل بهینه سازی (تپه نوردی، قدمزن تصادفی، ژنتیک)
3- مسائل یادگیری ماشین:
رگرسیون (Closed form, Gradient decsent)
کلاسبندی (Naive bayes, KNN, random forest)
خوشه بندی (Kmean)
4- مسائل یادگیری عمیق (Neural network)

انتظار میرود که دوره 10 جلسه به طول بینجامد و هر چند جلسه یکبار، یک جلسه بصورت کارگاه پایتون برای پیاده سازی مطالب تدریس شده در قالب پروژه، بنا به درخواست دانشجو برگزار خواهد شد. بدیهی است که این تعداد جلسات متناسب با توانایی دانشجو میتواند کمتر یا بیشتر گردد.

درصورتی که آشنایی با برنامه نویسی ندارید، 6 جلسه پیشنیاز برای پایتون برگزار خواهد شد و در صورتی که آشنا به برنامه نویسی هستید ولی با پایتون آشنایی ندارید حدود 2-3 جلسه پیشنیاز کفایت میکند.

جلسات بصورت غیرحضوری و آنلاین برگزار خواهد شد.