حراج!
آموزش الگوریتم های تپه نوردی (Hill Climbing) و شبیه‌سازی تبرید (Simulated Annealing) 

آموزش الگوریتم های تپه نوردی و شبیه‌سازی تبرید | Hill Climbing and Simulated Annealing AI Algorithms

(دیدگاه 1 کاربر)

200,000

  • 3.5 ساعت ویدیو با زیرنویس انگلیسی
  • شامل تمامی فایل های پاورپوینت و مربوط به دوره
  • حجم: 3.94GB (ترافیک داخلی)
  • تهیه شده رسمی یودمی ایران به روز رسانی 2/2021

توضیحات

آموزش الگوریتم های تپه نوردی (Hill Climbing) و شبیه‌سازی تبرید (Simulated Annealing)

نام دوره : Hill Climbing and Simulated Annealing AI Algorithms

تهیه شده رسمی یودمی ایران به روز رسانی 2/2021

پیش نیاز:

  •  پس‌زمینه‌ برنامه‌نویسی قطعاً به درک ویدیوهای کدنویسی کمک می‌کنند

توضیحات:

الگوریتم‌های جستجو و تکنیک‌های بهینه‌سازی. موتورهای اصلی بیشتر تکنیک‌های هوش مصنوعی و علم داده هستند.

شکی نیست که شبیه‌سازی تبرید و تپه نوردی یا Hill Climbing و Simulated Annealing به خوبی مورد توجه قرار گرفته‌اند و به‌طور گسترده‌ای در جستجوی هوش مصنوعی مورد استفاده قرار می‌گیرند.

این دوره ساده ترین راه برای درک نحوه عملکرد الگوریتم تپه نوردی و شبیه‌سازی تبرید است. درک عمیق این دو الگوریتم و تسلط بر آنها، شما را از بسیاری از دانشمندان داده جلوتر می‌دهد.

دوره آموزش الگوریتم های تپه نوردی (Hill Climbing) و شبیه‌سازی تبرید (Simulated Annealing)  شامل چه مواردی می شود؟

این دوره مستقیماً با یک مثال بصری شروع می شود تا ببیند الگوریتم تپه نوردی (Hill Climbing) به عنوان یکی از اساسی ترین رویکردهای حل مشکل هوش مصنوعی چیست.

پس از یادگیری آسان و ساده  الگوریتم Hill Climbing، نحوه عملکرد آن را به صورت زنده مشاهده خواهید کرد.

بخش دوم این دوره اصطلاحات در زمینه بهینه سازی هوش مصنوعی را پوشش می دهد.

در بخش سوم با شما در مورد فرآیند طراحی شبیه‌سازی تبرید (Simulated Annealing) با استفاده از Hill Climbing کار خواهیم کرد.

سه بخش اول این دوره، به نحوه الهام، نظریه، مدل‌های ریاضی و الگوریتم‌های هر دو الگوریتم Hill Climbing و Simulated Annealing تسلط خواهید داشت.

در آخر دوره، هر دو الگوریتم را پیاده سازی می کنیم و آنها را برای برخی از مسائل از جمله طیف گسترده ای از توابع آزمایشی و مشکلات فروشنده دوره گرد اعمال می کنیم.

در پایان این دوره، شما درک جامعی از الگوریتم تپه نوردی (Hill Climbing) و شبیه‌سازی تبرید (Simulated Annealing) خواهید داشت و می‌توانید به راحتی از آنها در پروژه خود استفاده کنید. شما می توانید بر اساس پروژه خود نیز عملکرد هر دو تکنیک را تجزیه و تحلیل، تنظیم و بهبود بخشید.

آیا دوره آموزش الگوریتم های تپه نوردی (Hill Climbing) و شبیه‌سازی تبرید (Simulated Annealing)  برای شما مناسب است؟

این دوره مقدمه ای بر بهینه سازی و جستجو در هوش مصنوعی است، بنابراین شما مطلقاً به هیچ دانش قبلی در زمینه هوش مصنوعی، یادگیری ماشین یا علم داده نیاز ندارید . با این حال، شما باید یک درک اولیه از برنامه نویسی ترجیحا در Matlab داشته باشید تا به راحتی فیلم کدنویسی را دنبال کنید. اگر فقط می‌خواهید مدل ریاضی و فرآیند حل مسئله را با استفاده از دو الگوریتم یاد بگیرید، می‌توانید ویدیوهای کدنویسی را نادیده بگیرید.

 

 

دوره آموزش الگوریتم های تپه نوردی (Hill Climbing) و شبیه‌سازی تبرید (Simulated Annealing)  برای چه کسانی است:

  • مبتدیان علاقه مند به یادگیری الگوریتم های شبیه‌سازی تبرید و تپه نوردی یا Hill Climbing و Simulated Annealing

 

1 دیدگاه برای آموزش الگوریتم های تپه نوردی و شبیه‌سازی تبرید | Hill Climbing and Simulated Annealing AI Algorithms

  1. یودمی ایران

    دوره در خواستی خود را از راه های ارتباطی در خواست کنید

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.