هوش مصنوعی با پایتون (راهنمای کامل برای ساخت برنامه های هوشمند Python 3.x و TensorFlow 2)
گارانتی سلامت فیزیکی کالا
  • انتشارات: انتشارات علوم رایانه
  • نویسنده: آلبرتو آرتاسانچز  ، پراتيک جوشی
  • مترجم: رویا راد
  • ویراست: 2
  • تعداد صفحه: 548
  • سال انتشار: 1400
  • مناسب برای: تمامی گروه های سنی
قیمت : 236,000 تومان
295,000 تومان
توضیحات
مشخصات
انتشارات
انتشارات علوم رایانه
نویسنده
آلبرتو آرتاسانچز
پراتيک جوشی
مترجم
رویا راد
ویراست
2
تعداد صفحه
548
سال انتشار
1400
سری چاپ
1
قطع کتاب
وزیری
نوع جلد
شومیز
زبان
فارسی
مناسب برای
تمامی گروه های سنی
شابک
978-600-205-170-7
وزن
800 گرم
فهرست مطالب



 


فصل 1 : آشنایی با هوش مصنوعی


1-1. هوش مصنوعی چیست؟ 


1-2. چرا نیاز به مطالعه هوش مصنوعی داریم؟ 


1-3. شاخه‌های هوش مصنوعی  


1-4. پنج خانواده‌ی یادگیری ماشین  


1-5. تعریف هوش با استفاده از آزمون تورینگ   


1-6. ساخت ماشین‌هایی که مانند انسان فکر می‌کنند 


1-7. ساخت عامل‌های عقلانی  


1- 8. حل‌کننده مسأله عمومی


1-9. ساخت یک عامل هوشمند


1-10. نصب پایتون 3 


1-11. نصب بسته‌ها


1-12. بارگیری داده‌ها


1-13. خلاصه 


 


فصل 2 : کاربردهای بنیادین هوش مصنوعی


2-1. کاربردهای هوش مصنوعی  


2-2. دستیاران شخصی دیجیتال و چت‌بات‌ها


2-3. اتومبیل خودران 


2-4. حمل و نقل و مدیریت انبار یک مرکز 


2-5. سلامتی انسان 


2-6. جستجوی دانش   


2-7. سیستم‌های پیشنهادگر 


2-8. خانه هوشمند


2-9. بازی  


2-10. ساخت فیلم 


2-11. کارشناسی تعهد و تحلیل معامله 


2-12.  پاکسازی  و تبدیل داده‌ها


2-13. خلاصه 


 


فصل 3 : خط سیر یادگیری ماشین


3-1. خط سیر یادگیری ماشین چیست؟ 


3-2. تعریف مسأله 


3-3. جذب داده‌ها


3-4. آماده‌سازی داده‌ها


3-5. تفکیک داده‌ها


3-6. آموزش مدل 


3-7. خلاصه 


 


فصل 4 : انتخاب ویژگی‌ها و مهندسی ویژگی‌ها


4-1. انتخاب ویژگی‌ها


4-2. مهندسی ویژگی‌ها


4-3. مدیریت داده‌های پرت  


4-4. رمزگذاری تک نمود


4-5. تبدیل لگاریتمی


4-6. مقیاس‌گذاری


4-7. کار با تاریخ


4-8. خلاصه 


 


فصل 5 : دسته‌بندی و رگرسیون با یادگیری با نظارت


5-1. یادگیری با نظارت در مقابل یادگیری بدون نظارت  


5-2. دسته‌بندی چیست؟ 


5-3. پیش پردازش داده‌ها


5-4. رمزگذاری برچسب  


5-5. دسته‌بندهای رگرسیون لُجستیک   


5-6. دسته‌بند نایو بیز


5-7. ماتریس سردرگمی  


5-8. ماشین‌های بردار پشتیبان


5-9. دسته‌بندی داده‌های درآمد با استفاده از SVM   


5-10. رگرسیون چیست؟ 


5-11. خلاصه 


 


فصل 6 : تحلیل پیشگویانه با یادگیری جمعی


6-1. درخت تصمیم چیست؟ 


6-2. یادگیری جمعی چیست؟ 


6-3. جنگل‌های تصادفی و جنگل‌های بسیار تصادفی چیست؟ 


6-4. عدم توازن در دسته‌ها


6-5. یافتن پارامترهای بهینه آموزش با استفاده از جستجوی شبکه‌ای  


6-6. محاسبه‌ی اهمیت ویژگی نسبی  


6-7. پیش‌بینی ترافیک با رگرسیون جنگل بسیار تصادفی  


6-8. خلاصه


 


فصل 7 : شناسایی الگو با یادگیری بدون نظارت


7-1. یادگیری بدون نظارت چیست؟ 


7-2. خوشه‌بندی داده‌ها با الگوریتم K-Means 


7-3. مدل‌های مخلوط گاوسی چیست؟ 


7-4. یافتن زیرگروه‌ها در بازار بورس با مدل انتشار وابستگی


7-5. تقسیم بازار براساس الگوهای خرید 


7-6. خلاصه 


 


فصل 8 : سیستم‌های پیشنهادگر


8-1. استخراج نزدیک‌ترین همسایگان 


8-2. ساخت دسته‌بند K ـ نزدیک‌ترین همسایه 


8-3. محاسبه‌ی امتیازات شباهت


8-4. پیدا کردن کاربران مشابه با استفاده از پالایش مشارکتی


8-5. ساخت یک سیستم توصیه فیلم 


8-6. خلاصه 


 


فصل 9 : برنامه‌نویسی منطقی


9-1. برنامه‌نویسی منطقی چیست؟ 


9-2. درک بلوک‌های سازنده‌ی برنامه‌نویسی منطقی  


9-3. حل مسائل با استفاده از برنامه‌نویسی منطقی  


9-4. نصب بسته‌های پایتون 


9-5. تطبیق عبارات ریاضی  


9-6. اعتبارسنجی اعداد اول 


9-7. تجزیه‌ی یک شجره‌نامه 


9-8. تجزیه‌ و تحلیل جغرافیا


9-9. ساخت یک حل‌کننده‌ی پازل 


9-10. خلاصه 


 


فصل 10 : تکنیک‌های جستجوی اکتشافی


10-1. آیا جستجوی اکتشافی هوش مصنوعی است؟ 


10-2. جستجوی اکتشافی چیست؟ 


10-3. مسائل ارضای محدودیت  


10-4. تکنیک‌های جستجوی محلی  


10-5. ساخت یک رشته با استفاده از جستجوی حریصانه 


10-6. حل مسأله با محدودیت‌ها


10-7. حل مسأله رنگ‌آمیزی منطقه 


10-8. ساخت یک حل‌کننده‌ی پازل ـ 8


10-9. ساخت یک حلقه هزارتو 


10-10. خلاصه 


 


فصل 11 : الگوریتم‌های ژنتیک و برنامه‌نویسی ژنتیک


11-1. خانواده تکامل‌گرایان 


11-2. درک الگوریتم‌های تکاملی و ژنتیک   


11-3. مفاهیم پایه در الگوریتم‌های ژنتیک   


11-4. ایجاد الگوی بیتی با پارامترهای از پیش تعریف شده


11-5. بصری‌سازی تکامل  


11-6. حل مسأله‍‌ی رگرسیون نماد


11-7. ساخت یک روبات کنترل هوشمند 


11-8. موارد استفاده از برنامه‌نویسی ژنتیک   


11-9. خلاصه 


 


فصل 12 : هوش مصنوعی روی ابر


12-1. چرا شرکت‌ها به ابر مهاجرت می‌کنند؟ 


12-2. ارائه‌دهندگان برتر ابر 


12-3. خدمات وب آمازون (AWS)


12-4. مایکروسافت آزور 


12-5. زیرساخت ابر گوگل (GCP)


12-6. خلاصه


 


فصل 13 : ساخت بازی با هوش مصنوعی


13-1. استفاده از الگوریتم‌های جستجو در بازی‌ها


13-2. جستجوی ترکیبی  


13-3. نصب کتابخانه easyAI 


13-4. ساخت یک روبات برای بازی آخرین سکه‌ی باقیمانده


13-5. ساخت یک روبات برای بازی Tic-Tac-Toe 


13-6. ساخت دو روبات برای بازی دوز چهارتایی در مقابل یکدیگر 


13-7. ساخت دو روبات برای بازی شش پیاده  در مقابل یکدیگر 


13-8. خلاصه 


 


فصل 14 : سیستم‌های تشخیص گفتار


14-1. کار با سیگنال‌های گفتار 


14-2. رسم سیگنال‌های صوتی  


14-3. تبدیل سیگنال‌های صوتی به حوزه‌ی فراوانی  


14-4. تولید سیگنال‌های صوتی  


14-5. تلفیق آهنگ‌ها برای تولید موسیقی  


14-6. استخراج ویژگی‌های گفتار 


14-7. تشخیص کلمات گفتاری  


14-8. خلاصه 


 


فصل 15 : پردازش زبان طبیعی


15-1. معرفی و نصب بسته‌ها


15-2. جداسازی واژگان داده‌های متنی  


15-3. تبدیل کلمات به‌شکل پایه‌ی آن‌ها با استفاده از ریشه‌سازی  


15-4. تبدیل کلمات به‌ فرم‌های پایه‌ی آن‌ها با استفاده از بن‌‌سازی  


15-5. تقسیم داده‌های متنی به تکه‌ها


15-6. استخراج فراوانی اصطلاحات با استفاده از مدل کوله‌ی کلمات  


15-7. ایجاد یک پیش‌بینی کننده‌ی دسته 


15-8. ساخت شناسایی جنسیت  


15-9. ساخت تحلیلگر احساسات  


15-10. مدل‌سازی موضوع با استفاده از تخصیص پنهان دیریکله 


15-11. خلاصه 


 


فصل 16 : چت‌بات‌ها


16-1. آینده‌ی چت‌بات‌ها


16-2. چت‌بات‌های امروز 


16-3. مفاهیم چت‌بات‌


16-4. یک چت‌بات خوش‌ساخت ‌


16-5. زیرساخت‌های چت‌بات 


16-6. ایجاد چت‌بات با استفاده از دیالوگ‌فلو ‌


16-7. خلاصه 


 


فصل 17 : تحلیل داده‌های متوالی و سری‌های زمانی


17-1. شناخت داده‌های متوالی  


17-2. پردازش داده‌های سری زمانی با پانداس   


17-3. برش داده‌های سری زمانی  


17-4. کار با داده‌های سری زمانی  


17-5. استخراج آمار از داده‌های سری زمانی  


17-6. تولید داده با استفاده از مدل پنهان مارکوف  


17-7. شناسایی توالی‌های الفبا با زمینه‌های تصادفی شرطی  


17-8. تجزیه و تحلیل بازار سهام 


17-9. خلاصه 


 


فصل 18 : تشخیص تصویر


18-1. اهمیت تشخیص تصویر 


18-2. OpenCV  


18-3. اختلاف قاب‌ها


18-4. ردیابی اشیا با استفاده از فضاهای رنگی  


18-5. ردیابی شیء با استفاده از تفاضل پس‌زمینه 


18-6. ساخت یک ردیاب شیء تعاملی با استفاده از الگوریتم CAMShift


18-7. ردیابی مبتنی‌بر جریان نوری  


18-8. تشخیص چهره و ردیابی  


18-9. تشخیص و ردیابی چشم 


18-10. خلاصه 


 


فصل 19 : شبکه‌های عصبی


19-1. معرفی شبکههای عصبی  


19-2. ساخت دسته‌بندی مبتنی‌بر پرسپترون 


19-3. ساخت یک شبکه عصبی تک‌لایه 


19-4. ساخت یک شبکه عصبی چند‌لایه 


19-5. ساخت یک پله‌ای کننده بردار 


19-6. تجزیه و تحلیل داده‌های متوالی با استفاده از شبکه‌های عصبی بازگشتی  


19-7. رسم حروف در یک پایگاه داده تشخیص نویسه نوری  


19-8. ایجاد یک موتور تشخیص نویسه نوری  


19-9. خلاصه 


 


فصل 20 : یادگیری عمیق با شبکه‌های عصبی پیچشی


20-1. مبانی شبکه‌های عصبی پیچشی  


20-2. معماری CNN  


20-3. انواع لایه‌ها در  CNN  


20-4. ساخت یک رگرسور خطی مبتنی‌بر پرسپترون 


20-5. ساخت دسته‌بند تصویر با استفاده از یک شبکه عصبی تک‌لایه 


20-6. ساخت دسته‌بند تصویر با استفاده از یک شبکه عصبی پیچشی  


20-7. خلاصه 


20-8. منبع 


 


فصل 21 : شبکه‌های عصبی بازگشتی و سایر مدل‌های یادگیری عمیق


21-1. مبانی شبکه‌های عصبی بازگشتی  


21-2. معماری RNN  


21-3. یک مورد کاربرد از مدل‌سازی زبان 


21-4. آموزش RNN  


21-5. خلاصه 


 


فصل 22 : ایجاد عوامل هوشمند با یادگیری تقویتی


22-1. معنای یادگیری چیست  


22-2. یادگیری تقویتی در مقابل یادگیری با نظارت  


22-3. نمونه‌هایی از دنیای واقعی یادگیری تقویتی  


22-4. بلوک‌های سازنده‌ی یادگیری تقویتی  


22-5. ایجاد یک محیط  


22-6. ساخت یک عامل یادگیرنده


22-7. خلاصه 


 


فصل 23 : هوش مصنوعی و کلان داده


23-1. مبانی کلان داده


23-2. سه V در کلان داده


23-3. کلان داده و یادگیری ماشین  


23-4. بانک‌های اطلاعاتی NoSQL  


23-5. خلاصه 


 


اختصارات


واژه‌نامه انگلیسی به فارسی


واژه‌نامه فارسی به انگلیسی


مراجع


 




نظر خود را بنویسید
نظرات کاربران
Copyright © 2021 Powered By Olomrayaneh web developer team, All Rights Reserved.