برمجة تطبيقات الذكاء الاصطناعي
المبادئ والخوارزميات مع التطبيق العملي
ماذا ستتعلم؟
- فهم المفاهيم الأساسية للذكاء الاصطناعي
- تعلم تطوير الوكلاء الذكيين
- تحليل البيانات باستخدام تقنيات متقدمة
- تصميم نماذج الذكاء الاصطناعي
- تطبيق الأكواد والخوارزميات في مشاريع عملية
- استخدام أدوات مثل بايثون وأنكوندا
عن الدورة
ابدأ رحلتك في تعلم برمجة تطبيقات الذكاء الاصطناعي من خلال هذه الدورة الشاملة. تغطي الدورة جميع الجوانب الأساسية والمتقدمة، بدءًا من المفاهيم النظرية وحتى التطبيقات العملية باستخدام أدوات وتقنيات حديثة. تعلم كيفية تصميم خوارزميات الذكاء الاصطناعي، تحليل البيانات، وتطوير مشاريع عملية تجعل أفكارك حقيقة.
نتائج متوقعة من الدورة
- إتقان تصميم وتنفيذ تطبيقات الذكاء الاصطناعي.
- فهم العمل الداخلي لخوارزميات الذكاء الاصطناعي.
- القدرة على تحليل البيانات واستخدامها لتحسين العمليات.
- تطوير مشاريع حقيقية باستخدام أدوات البرمجة المتقدمة.
- الاستعداد للدخول في المجال المهني لتطبيقات الذكاء الاصطناعي.
محتوى الدورة
1مقدمة عن الذكاء الاصطناعى
3 درس
2الوكيل الذكي Intelligent Agents
8 درس
- مقدمة عن الوكيل الذكي1:36
- ما هو الوكيل15:34
- الوكيل العاقل8:11
- تحليل PEAS للوكيل8:56
- أنواع البيئات9:48
- أنواع الوكيل (الجزء الأول)12:08
- أنواع الوكيل (الجزء الثانى)23:26
- أنواع الوكيل (الجزء الثالث)17:15
3عمليات البحث Search
15 درس
- مقدمة عن عملية البحث8:57
- خطوات تحويل المشكلة9:05
- مثال عملي لخطوات تحويل المشكلة12:23
- تحديد عدد الحالات20:35
- تنظيم الحالات18:01
- طريقة البحث داخل شجرة البحث18:40
- الاستراتيجية الاولى للبحث DFS23:51
- الاستراتيجية الثانية BFS14:07
- التطبيق العملى على الاستيراجية الأولى والثانية DFS & BFS17:17
- الاستراتيجية الثالثة ID12:43
- الاستراتيجية الرابعة UCS16:51
- الاستراتيجية الخامسة GBFS25:15
- الاستراتيجية السادسة A Star21:33
- الاستراتيجية السابعة Minimax33:43
- التطبيق العملى Maze
4المعرفة Knowledge
10 درس
- مقدمة عن المعرفه2:00
- التفكير المنطقي6:12
- المنطق الافتراضي (الجزء الأول)14:41
- المنطق الافتراضي (الجزء الثانى)9:31
- خوارزمية فحص النموذج14:38
- المثال العملي لخوارزمية فحص النموذج25:04
- التطبيق العملي Model Checking
- هندسة المعرفة29:25
- الكود المستخدم في تصميم لعبة Clue
- منطق الدرجة الأولى17:18
5الاحتمالات Probability
12 درس
- مقدمة عن الاحتمالات2:44
- الاحتمالات والاحتمال غير المشروط12:17
- الاحتمال المشروط10:29
- المتغير العشوائي والاستقلال19:00
- قاعدة بايز12:01
- الاحتمال المشترك11:12
- قواعد الاحتمالات20:46
- شبكة بايزين25:31
- الاستدلال للاحتمال11:55
- التطبيق العملي لتكوين شبكة بايزين25:23
- تحميل التطبيق والأكواد
- تثبيت الاناكوندا2:09
6التحسين Optimization
11 درس
- مقدمة عن التحسين1:50
- البحث المحلي7:31
- خوارزمية Hill Climbing12:07
- متغيرات الخوارزمية8:39
- التطبيق العملي24:10
- تحميل التطبيق والأكواد
- خوارزمية محاكاة التلدين16:39
- خوارزمية البرمجة الخطية16:40
- الحل العملي لمشكلة خوارزمية البرمجة الخطية10:02
- تحميل التطبيق والأكواد
- تعلم الآلة Machin Learning6:27
المحاضر
م/عمرو عبد الفتاح
3,169 متعلم20 دورة
