00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
یا
00:00 / 00:00
1.8x
1.4x
1.0x
0.7x
HD SD
HD
SD
دانشگاه صنعتی شریف

آموزش هوش مصنوعی با نرم‌افزار متلب

دوره‌های مکتب‌پلاس
23 ساعت

سرفصل‌ها

تالار گفتگو

در این دوره، سه مورد از پرکاربرد‌ترین ابزار‌ها در زمینه‌ی هوش مصنوعی، شامل: بهینه‌سازی با الگوریتم ژنتیک، شبکه‌های عصبی و موتور‌های استنتاج فازی، ارائه شده است. یادگیری این سه ابزار، در درک مفاهیم هوشمند‌سازی بسیار موثر است. همچنین این سه ابزار،  بسیار در تعامل با سایر ابزار‌های هوشمند‌سازی و تخصصی مانند: پردازش تصویر، یادگیری عمیق، داده‌کاوی و ...، به کار گرفته می‌شوند.

در این دوره، سعی شده تا این سه ابزار، از سطوح ابتدایی و تعاریف پایه تا به کارگیری در استفاده‌ی مستقیم در مسائل، با استفاده از جعبه‌ابزارهای خود، در نرم‌افزار متلب، آموزش داده شوند.

همچنین، برای بهبود سطح کیفی و ایجاد تعامل در امر یادگیری، کوئیز‌ها، پروژه‌ها و تالار‌های گفتگو، برای دوره، پیش‌بینی شده است.

تیم پشتیبانی نیز در‌صدد است تا تمامی مواردی که در بهبود مسائل آموزشی و اداری نقش دارد را مد‌نظر قرار داده و راحت‌ترین مسیر را برای علاقه‌مندان به کسب دانش، فراهم آورد.

مدرس دوره
معین سلیمی

معین سلیمی دانش‌آموخته کارشناسی رشته مهندسی مکانیک در طراحی جامدات و معدل برتر کارشناسی ارشد مهندسی مکانیک (طراحی کاربردی) از دانشگاه گیلان است. وی مسلط به آموزش مباحث مختلف در زمینه‌های مرتبط با مهندسی مکانیک از جمله تحلیل المان محدود، تفاضلات محدود، دینامیک سیالات محاسباتی، ارتعاشات و کنترل سیستم‌های دینامیکی و مباحث مرتبط با هوش مصنوعی از جمله خوشه‌بندی، شناسایی الگو، روش‌های بهینه‌سازی، شبکه‌های عصبی و منطق فازی، پردازش سیگنال و تصویر و سایر زمینه‌ها مانند تحلیل سازه‌ها تحت زلزله، شبکه‌های مش بی‌سیم، پردازش گام‌های موسیقی، طراحی سیستم‌های هوشمند در تشخیص بیماری‌های خونی، روش‌های نوین ریاضی مبتنی بر هوش مصنوعی در حل معادلات دیفرانسیل، حل معادلات با مشتقات جزئی، انرژی پتانسیل در کربن‌های نانوتیوب، طراحی سدهای قوسی و ... با استفاده از نرم افزار Matlab می‌باشد. ایشان آشنایی مناسبی با زبان‌های برنامه‌نویسی جاوا، اندروید و C نیز دارند. حوزه‌های تخصصی فعالیت ایشان شامل موضوع آموزش آکادمیک و مهارت‌های کاربردی در زمینه‌های مهندسی و پروژه‌های اجرایی در زمینه‌ی مدیریت صنایع گازرسانی و... می‌باشد.

پیش‌نیاز‌های دوره آموزش هوش مصنوعی با نرم‌افزار متلب

روش‌های هوش مصنوعی، معمولاً دارای اصول و مفاهیمی هستند که از طبیعت و انسان الگو‌برداری شده است. بنابراین، مفاهیمی که دارای پیچیدگی‌های ریاضی باشد، نیستند و اغلب به علت ملموس بودن مفاهیم، بسیار قابل درک هستند.

چالش اصلی در موضوع هوش مصنوعی، توانایی پیاده‌سازی این مفاهیم است. مفاهیمی که به نظر برای ذهن انسان کاملاً بدیهی به نظر می‌رسد. به عنوان مثال، تشخیص یک چهره در یک تصویر، برای ذهن انسان امری بسیار ساده، اما تعریف الگوریتمی که این کار را در یک دستگاه هوشمند انجام دهد، دارای پیچیدگی است. پس در بحث هوش مصنوعی، این موضوع بسیار مهم است که با نگاهی نو به مسائل، آن‌چه تا امروز بسیار بدیهی بوده را به شکل عدد و منطق، تغییر ماهیت دهیم.

با این هدف، ابزار اصلی در این مسیر، داشتن دانش مقدماتی در بحث برنامه‌نویسی با نرم‌افزار متلب و همچنین استفاده از دید منطقی و محاسباتی بر پدیده‌های طبیعی است. در این دوره، از ریاضیات، در حد ریاضی پایه، استفاده می‌شود. 

ویژگی‌های دوره آموزش هوش مصنوعی با نرم‌افزار متلب

پروژه محور
این دوره طوری طراحی شده است که محتوای آموزشی دوره حول چند پروژه واقعی و کاربردی هستند تا یادگیری دانشجو در طول دوره به کاربردهای عملی تبدیل شود و به این ترتیب بالاترین سطح یادگیری را فراهم نمایند.
تالار گفتگو
شما می توانید از طریق تالار گفتگو با دیگر دانشجویان دوره در ارتباط باشید، شبکه روابط حرفه ای خود را تقویت کنید یا سوالات مرتبط با دوره خود را از دیگر دانشجویان بپرسید.
آزمون، تمرین و محیط تعاملی
با قرار گرفتن تمرین ها و آزمون های مختلف در طول دوره، محیطی تعاملی فراهم شده است تا بهره گیری از محتوا و یادگیری بهتر و عمیق تر شود.
گواهی‌نامه دانشگاه صنعتی شریف

در صورت قبولی در دوره، گواهی نامه معتبر دانشگاه صنعتی شریف(مشاهده نمونه گواهی دانشگاه صنعتی شریف) به اسم شما توسط دانشگاه صادر می شود و در اختیار شما قرار می گیرد.

سوالات پرتکرار

آیا گواهی‌نامه‌های دانشگاهی به صورت رسمی و توسط دانشگاه مربوطه صادر می‌شود؟
بله؛ گواهی نامه ها توسط دانشگاه مربوطه و با امضای رئیس دانشگاه یا مسئول مربوطه که حق امضای گواهی نامه ها را دارد صادر می شود و گواهی نامه معتبر دانشگاه است که به اسم هر فرد صادر می شود.
پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.
در صورت قبولی در دوره، آیا امکان دریافت نسخه فیزیکی گواهی نامه دوره را دارم؟
پس از صدور گواهی نامه، نسخه الکترونیکی گواهی نامه در اختیار شما قرار می گیرد. در صورت درخواست شما، نسخه فیزیکی گواهی نامه نیز می تواند برای شما ارسال شود. هزینه ارسال بر عهده کاربر خواهد بود.
آیا در صورت خرید دوره، گواهی نامه آن به من تعلق می گیرد؟
خیر؛ شما با خرید دوره می توانید در آن دوره شرکت کنید و به محتوای آن دسترسی خواهید داشت. در صورتی که در زمان تعیین شده دوره را با نمره قبولی بگذرانید، گواهی نامه دوره به نام شما صادر خواهد شد.
حداقل و حداکثر زمانی که می توانم یک دوره را بگذرانم چقدر است؟
برای گذراندن دوره حداقل زمانی وجود ندارد و شما می توانید در هر زمانی که مایل هستید فعالیت های مربوطه را انجام دهید. برای هر دوره یک حداکثر زمان تعیین شده است که در صفحه معرفی دوره می توانید مشاهده کنید که از زمان خرید دوره توسط شما تنها در آن مدت شما از ویژگی های تصحیح پروژه ها توسط پشتیبان و دریافت گواهی نامه بهره مند خواهید بود.
فصل اول - مقدمه ای بر بهینه سازی
01:17 ساعت
01:12
Combined Shape Created with Sketch. 6 جلسه
بارم:
8%
نمایش جلسات فصل  

در این فصل به بررسی مفاهیم و اصطلاحات رایج در مساعل بهینه سازی پرداخته میشود و در قالب مثال های ساده فرم های مختلف مساعل بهینه سازی بررسی میشود.

بهینه سازی بر پایه گرادیان
"13:11
بهینه سازی جستوجوی مستقیم
"26:15
مفاهیم پایه در بحث بهینه سازی
"15:29
بهینه سازی تک هدفه و چند هدفه
"11:30
شکل استاندارد مسائل بهینه سازی
"05:45
کوییز فصل اول
 
100%
     
"05:00
فصل دوم - الگوریتم ژنتیک در بهینه سازی
07:07 ساعت
02:07
Combined Shape Created with Sketch. 8 جلسه
بارم:
25%
نمایش جلسات فصل  

در فصل دوم جعبه ابزار و دستورات مورد استفاده در نرم افزار متلب توضیح داده میشود. ورودی ها و خروجی ها و همچنین پارامترهای تنظیمی در جعبه ابزار معرفی میشوند. همچنین مساعل بهینه سازی چندهدفی نیز توضیح داده میشود.

الگوریتم ژنتیک تک هدفی نامقید
"16:50
الگوریتم ژنتیک تک هدفی مقید
"07:14
ورودی های تابع
"15:15
خروجی های تابع
"27:21
الگوریتم ژنتیک چند هدفی
"22:14
تنظیمات ویژگی ها
"36:18
ویدیو پروژه میانی اول
"02:17
پروژه میانی اول
 
100%
     
'05:00
فصل سوم - مقدمه ای بر شبکه های عصبی
01:09 ساعت
01:04
Combined Shape Created with Sketch. 6 جلسه
بارم:
8%
نمایش جلسات فصل  

در فصل سوم موضوع شبکه ی عصبی مطرح میگردد. مفاهیم اولیه، نورونها، وزن ها و بایاس ها، تابع فعالسازی، شبکه ی پیشرو، خطای شبکه، شبکه ی پسرو و تصحیح ضرایب در قالب مثال جامع بررسی میشود.

مفاهیم پایه در بحث شبکه های عصبی
"14:58
شبکه ی پیشرو
"09:58
خطای شبکه
"03:06
شبکه ی پسرو و تصحیح ضرایب لایه ی خروجی و لایه ی مخفی
"19:44
پیاده سازی مثال عددی در متلب
"16:50
کوییز سری دوم
 
100%
     
"05:00
فصل چهارم - استفاده از جعبه ابزار شبکه عصبی
06:10 ساعت
01:10
Combined Shape Created with Sketch. 10 جلسه
بارم:
25%
نمایش جلسات فصل  
فصل پنجم - منطق فازی
01:14 ساعت
01:09
Combined Shape Created with Sketch. 7 جلسه
بارم:
8%
نمایش جلسات فصل  

فصل پنجم به معرفی مفاهیم مورد استفاده در موتورهای استنتاج فازی میپردازد. مفاهیمی چون متغییر های ورودی و خروجی، توابع عضویت، قوانین فازی و دستورلت مورد استفاده با ارائه ی مثال هایی توضیح داده میشود.

مفاهیم پایه در منطق فازی
"19:48
ساخت سیستم های فازی در متلب
"09:56
تعریف متغییرهای ورودی در متلب
"07:14
تعریف توابع عضویت
"14:05
تعریف پایگاه قوانین فازی در متلب
"10:51
گرفتن خروجی ها از سیستم استنتاج فازی در متلب
"07:46
کوییز سری سوم
 
100%
     
"05:00
فصل ششم - کاربرد منطق فازی در مدل های پیش بینی کننده
05:37 ساعت
00:37
Combined Shape Created with Sketch. 5 جلسه
بارم:
25%
نمایش جلسات فصل  

در فصل آخر ابتداعاً روش استفاده از موتور استنتاج فازی در قالب رابط گرافیکی بررسی میشود. سپس به کاربرد منطق فازی در سیستم های پیش بینی کننده نوروفازی ANFIS پرداخته میشود.

ساخت مدل های فازی در gui
"12:58
مفاهیم پایه در مدل های پیش بینی کننده ی فازی
"06:23
ساخت مدل ANFIS
"16:15
ویدیو پروژه میانی سوم
"02:21
پروژه میانی سوم
 
100%
     
'05:00