بسیاری تصور میکنند پیشنیاز این دوره مباحث پیشرفته و عمیقی است درحالیکه کافی است آمار و احتمال مهندسی، ریاضی ۱ و ۲ دانشگاهی و برنامهنویسی پایتون را یاد داشته باشید تا با دانستن آنها فهم و پیادهسازی این الگوریتمها آسانتر باشد، البته عدم وجود آشنایی با این موارد خلل جدی در فهم منطق الگوریتمهای تکاملی ایجاد نمیکند. اما پیشنهاد میشود آشنایی نسبی با مفاهیم گفته شده داشته باشید تا بتوانید سرعت یادگیری و عمق درک این دوره آموزشی را به حداکثر برسانید.
محاسبات نرم از محاسبات تقریبی برای حل مسائل استفاده میکند که نتیجه آن راهحلهای خوب برای حل مسائل پیچیده محاسباتی میباشد. الگوریتمهای تکاملی نوعی از محاسبات نرم میباشد که با نگرش به چرخه تکامل طبیعت، راهحل مسائل مهندسی و بهینهسازی را مییابند. جهانی که در آن زیست میکنیم گویی توسط یک برنامه کامپیوتری بی نظیر هدایت میشود. برنامه ای که میلیاردها سال پیش توسط پروردگار مقتدر و بیهمتای ما طرح ریزی شده است. در این برنامهی دقیق، ژنهای برتر مخلوقات در طی زمان حفظ میشوند و در مقابل ژنهای ضعیف و ناکارآمد بهمرور زمان از بین میروند.
امروزه انسانها از این چرخه طبیعی الهام گرفتهاند تا مسائل مهندسی و بهینهسازی را بهتر حل کنند. پس میتوان گفت الگوریتم ژنتیک در واقع الهامی از چرخه تکامل طبیعت برای حل مسائل مهندسی به کمک علم کامپیوتر است.
در دوره آموزشی الگوریتم ژنتیک، ضمن بیان جایگاه این الگوریتمها، منطق و جزئیات الگوریتمهای تکاملی بهصورت کامل شرح داده میشود و با حل مسائل مختلف و کاربردی در این زمینه تلاش میشود یادگیری شما عزیزان به بهترین شکل انجام شود.
هدف از یادگیری این دوره آموزشی فراگیری مفاهیم اساسی و بنیادین الگوریتمهای تکاملی به سادهترین شکل ممکن میباشد و بعد از درک این مهم، مفاهیم بهصورت عملی پیادهسازی میشوند تا درک و کاربرد آن برای فراگیر آسانتر باشد. یکی از مهمترین الگوریتمهای تکاملی، الگوریتم ژنتیک میباشد که به دلیل جامعیت، اهمیت و کاربرد فراوانی که دارد، در این دوره آموزشی نگاه ویژهای بر آن داشتهایم چون درک و استفاده از آن بسیار مهم میباشد.
بنابراین هدف اصلی یادگیری دوره آموزشی الگوریتم ژنتیک، پیادهسازی عملی آن در مسائلی است که حل آنها با روش های متداول ریاضی میسر نیست.
این دوره مناسب آن دسته از علاقهمندان به مباحث ریاضی است که میخواهند مسائل مهندسی خود را به روشی غیر از روشهای متداول حل کنند، چون برخی از روشهای بهینهسازی همانند مشتقگیری و محاسبات ریاضی گاهی اوقات بسیار سخت و وقتگیر میباشد. همچنین برای بسیاری از مسائل بهینهسازی روشهای متداول ریاضیاتی بهخاطر مشتقناپذیر بودن، دشواری محاسبات مشتقگیری، گاه ناهمگونی و نویزی بودن دادهها و ... مناسب نیستند. برای حل این مسائل مهندسی در این دوره آموزشی از الگوریتمهای تکاملی استفاده میشود که خود، زیرمجموعهای از محاسبات نرم بهحساب میآیند و در صورت برخورد با این مسائل کارایی لازم را دارند.
پس باید بگوییم اگر میخواهید مهندسی شده مسائل پیرامون خود را حل کنید، این دوره آموزشی مناسب شماست.
این دوره به شما کمک میکند منطق الگوریتمهای تکاملی را بهصورت کامل یاد بگیرید، با مؤلفههای اصلی الگوریتمهای تکاملی آشنا شوید، بهصورت عملی یاد میگیرد که چگونه یک الگوریتم ژنتیک برای حل مسائل بهینهسازی طراحی کنید، همچنین با پیادهسازی الگوریتم ژنتیک با زبان برنامهنویسی پایتون نیز بهصورت کاملاً کاربردی آشنا خواهید شد.
به بیان دیگر با پایان این دوره آموزشی و فراگیری مفاهیم پایه و اصولی در الگوریتم ژنتیک، طراحی الگوریتم ژنتیک مناسب با مسئله و پیاده سازی آن به کمک زبان برنامه نویسی پایتون مهارت اصلی شما خواهد بود.
در این دوره مفاهیم به زبان ساده و بهصورت کاملاً متفاوت بیان شده است. مباحث کاربردی گفتهشده و از توضیحات اضافی فاصله گرفته شده است. همچنین برای جذابیت آموزش و یادگیری بهتر از ابزار لایت بورد، مثالهای عینی طبیعت، سینما و علم بهره گرفته شده است.
آرمان صمیمی متولد سال 1368 در تهران است. وی دانشآموخته کارشناسی ارشد رشته هوش مصنوعی در سال 1395 از دانشگاه صنعتی اصفهان با معدل ممتاز است. او به دلیل سوابق علمی درخشان از سال 1395 عضو بنیاد ملی نخبگان شده است.
مهندس صمیمی از سال 1395 فعالیت ویژهای در حوزه دیجیتال مارکتینگ داشته است. وی همچنین سالها در حوزه استارتاپهای بین المللی هوش مصنوعی، به عنوان مدیر تحقیق و توسعه و مشاور فنی مشغول به کار است و با چند تیم آلمانی و کانادایی همکاری دارد.
او همچنین در حوزه کاری موفق به اخذ مدارک معتبر و مهمی از کمپانی های مشهور بین المللی شده است که از این میان میتوان به مدارک معتبر از کمپانی های Google و IBM اشاره کرد.
در چرخه تکامل طبیعت، مجموعهای از ژنهای گوناگون طی آمیزشهای ژنتیکی باهم ترکیب میشوند و ترکیبات جدید ژنتیکی به وجود میآورند که با محیط سازگارتر و کارآمدتر باشد، که درواقع ما در زندگی امروزی، این قضیه را بهعنوان ارثبری ژنتیکی میشناسیم. گاهی اوقات ژنها براثر یکسری از عوامل و شرایط دچار جهش میشوند و ژنهای جدیدی وارد جهان میشوند.
چارلز داروین متخصص علوم طبیعی و زیستشناس ماهری بود که تئوری تکامل بیولوژیکی بهواسطه گزینش یا انتخاب طبیعی را مطرح کرد. وی این فرضیه را به این صورت بیان میکند که در طول زمان به دلیل تنوع ژنتیکی گونه های مختلفی از موجودات ایجاد میشوند، این گونه ها غالبا به دلیل محدودیت منابع و دشواری های محیطی، میبایست برای بقا و تولید مثل با هم رقابت کنند، در چنین رقابتی طبیعتا مخلوقات برتر شانس بیشتری برای زنده ماندن و ایجاد فرزند دارند. به مرور زمان مخلوقاتی که توانمندی و برازندگی بهتری دارند ژنهای برتر خود را به نسل های بعدی منتقل میکنند. نتیجه چنین فرآیندی آن است که با گذشت زمان، بهترین ژنها باقی میمانند و بدترین ژن ها منقرض میشوند.