برنامه‌ریزی تا کنکور ارشد و دکتری: مشاوره خصوصیت با استاد رضوی رو رزرو کن!
ویس توضیحات مشاوره رزرو مشاوره
کنکور کامپیوتر
0
ورود | ثبت نام
نظرات
اشتراک
بالا
علاقه‌مندی
اشتراک
 

معرفی ارشد هوش مصنوعی

یکی از گرایش‌ های ارشد مهندسی کامپیوتر گرایش هوش مصنوعی است یا همان ارشد هوش مصنوعی است که این صفحه بطور کامل در مورد این گرایش، دروس ارشد هوش مصنوعی و بازار کار آن صحبت کرده‌ایم.

کارشناسی ارشد هوش مصنوعی دوره ای مشتمل بر دروس نظری و عملی و تحقیقاتی در زمینه هوشمند‌ سازی کامپیوترها و سیستم های مبتنی بر کامپیوتر می‌باشد. تحقق این هدف با الهام از ویژگی‌های موجودات زنده و بالاخص انسان پیگیری می‌شود. لذا ایجاد قابلیت های تحلیل اطلاعات، استدلال، یادگیری و رفتار هوشمندانه، حس بینایی، درک و تولید زبان و گفتار در کامپیوترها از اهداف این رشته می‌باشد. در دوره ارشد هوش مصنوعی دانشجویان با مطالبی چون شبکه‌های عصبی، هوش مصنوعی پیشرفته، تئوری فازی و... آشنا می شوند.

گرایش ارشد هوش مصنوعی

شاید تا چند سال پیش هوش مصنوعی یک پدیده ناملموس برای مردم بود اما امروزه و با پیشرفت تکنولوژی انسان‌ها روزانه با 10ها محصول کاربردی هوش مصنوعی سر و کار دارند که این امر نتیجه فعالیت دانشجویان رشته هوش مصنوعی می باشد. برای مطالعه بیشتر در خصوص به صفحه هوش مصنوعی و هر آنچه در مورد آن باید بدانید مراجعه کنید.

در ویدیو زیر آقای علی ربیعی رتبه 1 کنکور ارشد کامپیوتر و دانشجوی ارشد هوش مصنوعی دانشگاه صنعتی شریف درباره رشته هوش مصنوعی دانشگاه شریف صحبت کرده‌اند، ایشان در حال فارغ التحصیلی هستند ودانجشوی دکتری در دانشگاه University of Rhode Island آمریکا هستند.

رشته هوش مصنوعی دانشگاه شریف

در ویدیو زیر آقای سیاوش رزمی رتبه 32 کنکور ارشد کامپیوتر و دانشجوی ارشد هوش مصنوعی دانشگاه تهران درباره رشته هوش مصنوعی دانشگاه تهران صحبت کرده‌اند.

رشته هوش مصنوعی دانشگاه تهران

فیلم معرفی گرایش هوش مصنوعی

در فیلم زیر دکتر علی محمد حسین رهبان بهمراه برخی از دانشجویان دانشگاه شریف به معرفی گرایش هوش مصنوعی پرداخته اند، محمد‌حسین رهبان یکی از استادیاران دانشکده مهندسی کامپیوتر دانشگاه شریف است. زمینه اصلی تحقیقاتی ایشان شامل یادگیری ماشین خصمانه و تفسیرپذیر، یادگیری متغیرهای نهان، و زیست‌شناسی محاسباتی است. به خصوص، ایشان اخیرا به تحقیق در زمینه کاربرد یادگیری ماشین در آنالیز داده سنجه‌های زیست‌شناسی توان بالا مبتنی بر تصویر مشغول شده‌اند. تحقیقات ایشان در دوره پسادکترا در موسسه برود مرتبط با هاروارد و ام آی تی، منجر به کشف ارتباط بین مکانیزم‌های دخیل در سرطان، و داروهایی که این مکانیزم‌ها را کنترل می‌کنند شده‌است.  همچنین شما دانشجویان عزیز در صورتیکه می‌خواهید در خصوص رشته هوش مصنوعی دانشگاه شریف بیشتر بدانید می‌توانید به مقاله موشکافی رشته هوش مصنوعی دانشگاه شریفموشکافی رشته هوش مصنوعی دانشگاه شریف توسط رتبه 1 کنکورموشکافی رشته هوش مصنوعی دانشگاه شریف توسط رتبه 1 کنکوردانشگاه صنعتی شریف، یکی از بهترین دانشگاه‌های مهندسی ایران است که اکثر دانشجویان و اساتید نخبه در این دانشگاه مشغول هستند. در این مقاله سعی شده رشته هوش مصنوعی دانشگاه صنعتی شریف از همه جوانب بررسی شود. توسط رتبه 1 مراجعه کنید.

فیلم معرفی گرایش هوش مصنوعی در مقطع ارشد

هدف از دوره کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی

هدف از گرایش هوش مصنوعی در ارشد بالا بردن قابلیت دانشجویان در زمینه‌های ارائه مناسب اطلاعات، استدلال اتوماتیک، دسته بندی و تصمیم گیری ماشینی، روش‌های یادگیری برای ماشین‌ها، ارائه غیر دقیق اطلاعات و کار با آنها، شبیه سازی پردازش‌های مطرح در موجودات زنده، هوشمند کردن ربات‌ها، پردازش و تحلیل کامپیوتری تصاویر، پردازش و درک زبان و پردازش و شناسائی گفتار می‌باشد.

فارغ التحصیلان دوره ارشد هوش مصنوعی مهارت هایی را به شرح زیر کسب می نمایند:

  • پیاده سازی اتوماسیون پیشرفته در صنعت، مانند طراحی سیستم‌های رباتیک هوشمند و کنترل کیفیت اتوماتیک
  • طراحی سیســـتم های پیشرفته نظامی شامل انواع سلاح‌هــای هوشمند
  • طراحی سیسـتم‌های امنیتی مانند مسائل تأیید هویت و تشخیص اتوماتیک
  • طراحی سیستم های خبره برای انواع کاربردها
  • کار در زمینه زبان شناســـی محاسباتی مانند ایجاد مترجم‌هـای کامپیــوتری
  • طراحی نرم افزار های هوشمند کامپیوتری مانند انواع بازی ها
  • تحلیل کامپیوتری تصاویر برای کاربردهای مختلف
  • هدایت پروژه های تحقیقاتی در زمینه‌هــای فوق در مراکز تحقیقاتی کشــور
Gerayesh Housh TehranGerayesh Housh Tehran

توضیح آقای عماد کاوسی رتبه 15 کنکور مهندسی کامپیوتر 99 و فارغ التحصیل ارشد هوش مصنوعی دانشگاه تهران در مورد گرایش هوش این دانشگاه

Gerayesh Housh SharifGerayesh Housh Sharif

توضیح آقای علی ربیعی رتبه 1 کنکور مهندسی کامپیوتر 99 و فارغ التحصیل ارشد هوش مصنوعی دانشگاه شریف با معدل 19.32 در مورد گرایش هوش این دانشگاه

بازار کار رشته ارشد هوش مصنوعی

  • طراحی و ساخت ربات های پیشرفته
  • بهینه سازی مراحل تولید در کارخانه ها
  • تولید سخت افزارهای شناسایی وتشخیص امنیتی
  • طراحی سیستم های تحت شبکه برای خانه های هوشمند
  • طراحی و تولید سامانه های خودکار
  • بعنوان پژوهشگر در مراکز علمی و پروژه‌های ملی
  • تدریس در مراکز آموزش عالی

ظرفیت ارشد هوش در دانشگاه های دولتی کشور در سال 1400 و مقایسه آن با سال 99

در عکس زیر ظرفیت دوره های روزانه و شبانه تمامی دانشگاه های دولتی کشور در گرایش هوش مصنوعی در مقطع ارشد و در سال 1400 بررسی شده است، همچنین می‌توانید ظرفیت هر دانشگاه در سال 99 را با سال 1400 مقایسه کنید.

ظرفیت هوش مصنوعی در مقطع ارشد

ظرفیت مقطع ارشد هوش مصنوعی در دانشگاه های دولتی ایران در سال 1400 و مقایسه آن با ظرفیت سال 99

واحد های گرایش ارشد هوش مصنوعی

دانشجو در رشته ارشد هوش مصنوعی باید 32 واحد بگذراند که واحدها به طریق زیر است: 24 واحد درسی 2 واحد سمینار 6 واحد پایان نامه. دانشجویان ارشد هوش مصنوعی باید 24 واحد درسی را از جدول درس های گروه 1 ، 2 و 3 انتخاب کنند (این جداول در فایل پی دی اف پیوست شده در اختیارتان قرار گذاشته شده). توجه: درس‌های موجود در جداول درسی گروه 1، 2 و 3 می‌توانند با توجه به نظر استادان صاحب نظر در هر دانشگاه تا مقدار معینی که به دانشگاه مربوطه اجازه داده می‌شود تغییر کنند.
اخذ واحد درسی برای دوره کارشناسی ارشد هوش مصنوعی علاوه بر الزام مطابقت با جداول دروس ارائه شده، باید مطابق بند‌های زیر نیز باشد:

  1. در دوره کارشناسی ارشد هوش مصنوعی در صورت تایید استاد راهنما و دانشکده، دانشجو می‌تواند حداکثر یک درس خود را از سایر گرایشهای مهندسی کامپیوتر یا سایر رشته ها اخذ نماید.
  2. در دوره های کارشناسی ارشد آموزش محور هوش مصنوعی، دانشجو موظف است درس سمینار را بگذراند و معادل تعداد واحد پایان نامه (6 واحد)، درس از گرایش مربوط به خود اخذ نماید.
  3. با توجه به تحولات سریع علم و فناوری در رشته کامپیوتر درس هایی تحت عنوان مباحث ویژه در گرایش های مختلف کارشناسی ارشد کامپیوتر تعیین شده است که سرفصل‌های ویژه و جدید با تصویب محتوی در دانشکده مهندسی کامپیوتر، تحت این عنوان پیش بینی شده، به صورت موقت قابل ارائه است که بتواند با تحولات علمی همگام گردد.

دروس ارشد هوش مصنوعی

دروس ارشد هوش مصنوعی
ردیفعنوانتعداد واحدنوع واحدساعات تدریس
لیست دروس جبرانی ارشد هوش مصنوعی
1 مبانی هوش محاسباتی 3 نظری 48
2 اصول رباتیکز 3 نظری 48
3 سیگنال ها و سیستم ها 3 نظری 48
4 مبانی بینایی کامپیوتر 3 نظری 48
5 هوش مصنوعی و سیستم های خبره 3 نظری 48
6 مبانی پردازش زبان و گفتار 3 نظری 48
7 طراحی الگوریتم ها 3 نظری 48
در صورت عدم گذراندن دروس بالا در دوره کارشناسی و به تشخیص دانشکده تا دو درس جبرانی به دانشجویان اختصاص می یابد
دروس گروه 1 ارشد هوش مصنوعی
1 شناسایی الگو 3 نظری 48
2 رایانش تکاملی 3 نظری 48
3 ربات های متحرک خودگردان 3 نظری 48
4 یادگیری ماشین 3 نظری 48
5 هوش مصنوعی پیشرفته 3 نظری 48
6 فرآیندهای تصادفی 3 نظری 32
7 شبکه های عصبی 3 نظری 32
8 سیستم های چند عاملی 3 نظری 32
اخذ حداقل 4 درس از درس های گروه 1 برای دانشجویان ارشد هوش مصنوعی اجباری است
دروس گروه 2 ارشد هوش مصنوعی
1 برنامه ریزی هوشمند 3 نظری 48
3 الگوریتم های هوش جمعی 3 نظری 48
3 مجموعه ها و سیستم های فازی 3 نظری 48
4 یادگیری تقویتی 3 نظری 48
5 نظریه یادگیری آماری 3 نظری 48
6 مدل های گرافی احتمالاتی 3 نظری 48
7 تصویرپردازی رقمی 3 نظری 48
8 بینایی کامپیوتر 3 نظری 48
9 پنهان سازی اطلاعات 3 نظری 48
10 سنجش از دور 3 نظری 48
11 پردازش زبان های طبیعی 3 نظری 48
12 پردازش آماری زبان های طبیعی 3 نظری 48
13 ترجمه ماشینی 3 نظری 48
14 فهم زبان 3 نظری 48
15 پردازش سیگنال های رقمی 3 نظری 48
16 گفتارپردازی رقمی 3 نظری 48
17 شناسایی گفتار و گوینده 3 نظری 48
18 تبدیل متن به گفتار 3 نظری 48
19 رویکردهای هوش مصنوعی در بازی ها 3 نظری 48
20 رفتارهای هوشمند جمعی در بازی ها 3 نظری 48
21 تصمیم گیری، استراتژی و مسیریابی در بازی ها 3 نظری 48
22 معماری بازی های رایانه ای 3 نظری 48
23 طراحی و توسعه بازی های رایانه ای 3 نظری 48
24 سیستم های چند رباتی 3 نظری 48
25 یادگیری تقویتی و کنترل ربات 3 نظری 48
26 رباتیکز شناختی 3 نظری 48
27 ریاضیات برای رباتیکز 3 نظری 48
28 فیزیولوژی و آناتومی سیستم اعصاب 3 نظری 48
29 علم اعصاب سلولی 3 نظری 48
30 علوم شناختی 3 نظری 48
31 پردازش سلولی و مولکولی 3 نظری 48
32 مدل های رایانشی در سیستم های جمعی 3 نظری 48
33 نظریه بازی ها 3 نظری 48
34 بهینه سازی 3 نظری 48
35 داده کاوی پیشرفته 3 نظری 48
36 پردازش سیگنال آماری 3 نظری 48
37 تحلیل و پردازش زمان - فرکانس 3 نظری 48
38 شناسایی مقاوم و بهینه سازی گفتار 3 نظری 48
دروس گروه 3 ارشد هوش مصنوعی
1 مباحث ویژه 1 در هوش مصنوعی 3 نظری 48
2 مباحث ویژه 2 در هوش مصنوعی 3 نظری 48
3 مباحث ویژه 3 در هوش مصنوعی 3 نظری 48
4 مباحث پیشرفته 1 در هوش مصنوعی 3 نظری 48
5 مباحث پیشرفته 2 در هوش مصنوعی 3 نظری 48
6 مباحث پیشرفته 3 در هوش مصنوعی 3 نظری 48
7 یک درس از سایر گرایش ها یا دانشکده ها با تایید دانشکده 3 نظری 48
اخذ حداکثر 2 درس از درس های گروه 3 برای دانشجویان ارشد هوش مصنوعی مجاز است، دروس اختصاصی دوره دکتری در قالب مفاهیم پیشرفته و با تایید دانشکده ارائه می شود

برای مشاهده توضیحات تکمیلی در مورد گرايش هوش مصنوعی در ارشد، پی دی اف زیر را که شامل موارد زیر است، دانلود کنید :

  • تعداد واحدهايي که بايد در ارشـد هوش مصنوعی برداريد
  • تعداد واحدهاي اجباري گرایش هوش مصنوعی در ارشــد
  • تعداد واحدهاي اختياري گرایش هوش مصنوعی در ارشـد
  • معرفي دروس اجباري و اختياري در ارشد هوش مصنوعی

〈〈 دانلود فایل جزئیات واحدهای گرایش ارشد هوش مصنوعی 〉〉

معرفی هر یک از دروس ارشد هوش مصنوعی

در زیر به معرفی هر یک از دروس ارشد هوش مصنوعی پرداخته‌ایم و هدف هر درس، سر فصل هر درس و منابع آن را برای شما معرفی کرده ایم :

رباتهای متحرک خودگردان

Autonomous Mobile Robots
تعداد واحد 3
نوع درس تحصیلات تکمیلی
پیش نیاز ندارد
گرایش هوش مصنوعی و رباتیکز

اهداف درس

1۔ مطالعه الگوریتم های اساسی مطرح در رباتیک با تأکید بر مطالب تحقیقاتی و کاربردی در رباتهای
متحرک خودگردان
۲- مطالعه مکانیزم های لازم برای حرکت یک ربات در یک محیط واقعی و انجام کارهای مورد نظر شامل
توانائی حرکت، حس محیط، مکان یابی، و برنامه ریزی برای حرکت

سرفصل درس ها

  1. مقدمه معرفی ربات های متحرک، انواع روشهای جابجائی ربات.
  2. سینماتیک ربات های متحرک، توصیف موقعیت ربات در محیط، محدودیتهای سینماتیکی.
  3. مانور ربات، کنترل موقعیت ( حلقه باز و حلقه بسته).
  4. ادراک محیط توسط سنسورها، انکدر، جهت ( قطب نما، ژایروسکوپ)، شتاب سنج، سرعت سنج.
  5. ادراک محیط توسط سنسورها. لیزر. سونار، بینایی.
  6. ادراک محیط توسط سنسورها، عدم قطعیت در اندازه گیری، انتشار خطا، استخراج ویژگی.
  7. مکان یابی: روش های احتمالی، روش کالمن. روش مارکف.
  8. ناوبری: مفاهیم طراحی مسیر.
  9. ناوبری: روش های توابع پتانسیل، نقشه راه تجزیه سلولی. الگوریتم BUG.
  10. ناوبری: روش های توابع پتانسیل، نقشه راه تجزیه سلولی، الگوریتم BUG.

تکالیف پیشنهادی

  • حداقل ۴ پروژه روی مباحث مطرح شده در درس

کتاب (های) مرجع

[1] Introduction to Autonomous Mobile Robots, Roland Siegwart and Illah R. Nourbakhsh, MIT Press, 2004.

رایانش تکاملی

Evolutionary Computing
تعداد واحد 3
نوع درس تحصیلات تکمیلی
پیش نیاز ندارد
گرایش هوش مصنوعی و رباتیکز

اهداف درس

هدف از این درس یادگیری الگوریتمهای تکاملی موجود و ابداع الگوریتم های تکاملی جدید است

سرفصل درس ها

  1. مقدمه.
  2. تئوری تکامل از دیدگاه ماکروسکوپی.
  3. تئوری تکامل از دیدگاه میکروسکوپی.
  4. چارچوب کلی الگوریتم های تکاملی.
  5. عملگرهای انتخاب.
  6. عملگرهای تنوع.
  7. الگوریتم ژنتیک.
  8. استراتژی های تکامل.
  9. برنامه نویسی تکامل.
  10. برنامه نویسی ژنتیک.
  11. مدیریت محدودیت‌ها.
  12. تنظیم پارامترها.
  13. الگوریتمهای تکاملی چند هدفی.
  14. سیستمهای دسته بندی کننده.
  15. الگوریتم تخمین توزیع.
  16. الگوریتم های تکاملی تفاضلی.

کتاب (های) مرجع

[1] Thomas Back, Evolutionary Computation Vol.1 Basic Algorithms, 2000.

[2] Thomas Back. Evolutionary Computation Vol.2 Advanced Algorithms, 2000.

یادگیری ماشین

Machine Learning
تعداد واحد 3
نوع درس تحصیلات تکمیلی
پیش نیاز ندارد
گرایش هوش مصنوعی و رباتیکز

اهداف درس

یادگیری ماشین بر اکتاب و تجمیع دانش به صورت خودگردان اشاره دارد. هدف اصلی این درس فراهم آوردن یک مقدمه جامع بر یادگیری ماشین است. برای این کار رویکردهای اصلی بحث خواهد شد و اصول. تکنیکها و کاربردهای پایه یادگیری ماشین مطرح میشوند. این درس ایده های پایه و دید لازم را در خصوص یادگیری ماشین مدرن به دانشجویان میدهد و تا حدودی نیز به مباحث رسمی مرتبط با یادگیری می پردازد.

سرفصل درس ها

  1. مقدمه.
  2. یادگیری درخت بیزی (بزارش بیش از حد، روشهای هرس).
  3. یادگیری بیزی.
  4. یادگیری بر پایه مثال.
  5. ارزیابی فرضیه.
  6. الگوریتم انتشار خطا به عقب.
  7. ماشین بردار پشتیبان.
  8. رگرسیون خطی و لاجیستیک.
  9. نظریه یادگیری محاسباتی.
  10. ترکیب دسته بندها.
  11. مدل اختلاط.
  12. یادگیری برخط.
  13. یادگیری نیمه نظارتی.
  14. یادگیری فعال.
  15. یادگیری چند برچسبی.
  16. یادگیری از داده های غیر کامل.

نرم افزارهای مورد نیاز

Matlab, SVMLight, Weka

کتاب (های) مرجع

[1] Mehryar Mohri, Afshin Rostamizadeh, and Ameet Talwalkar. Foundations of Machine Learning. MIT Press, 2012.

[2] Kevin Murphy, Machine Learning: a Probabilistic Perspective, 2012.

[3] Tom M. Mitchell, Machine Learning, McGraw Hill, 1997.

[4] Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer 2006.

سیستمهای چندعاملی

Multi-Agent Systems
تعداد واحد 3
نوع درس تحصیلات تکمیلی
پیش نیاز ندارد
گرایش هوش مصنوعی و رباتیکز

اهداف درس

بسیاری از محیطهای واقعی که عامل های هوشمند در آنها بکار گرفته می شوند محیطهای چندعامله ای هستند که در آنها عامل ها مختلف به تعامل با یکدیگر و محیط پیرامون می پردازند. در این درس ویژگیها و چالشهای محیط های چندعامله و راهکارهای طراحی عامل های موفق برای چنین محیط هایی مورد بررسی قرار می گیرد.

سرفصل درس ها

  1. مقدمه.
  2. معماری و مدل سازی عاملها.
  3. الگوریتم های جستجو و مسیریابی.
  4. ارتباطات و همکاری عاملها.
  5. نظریه بازی ها و تصمیم گیری عقلانی توزیع شده.
    • مفهوم بازی و دسته بندی های مختلف بازی ها، مفهوم عقلانیت و عقلانیت محدود، محاسبه حالات تعادل. طراحی مکانیزه، حراج هاء
  6. یادگیری در محیط های چند عاملی.
    • یادگیری تقویتی Replicator Dynamics و استراتژی های پایدار تکاملی، ...
  7. کاربردها.

کتاب (های) مرجع

[1] An Introduction to MultiAgent Systems, Michael Wooldridge, John Wiley & Sons,
Second Edition, 2009..

[2] Multiagent Systems: Algorithmic, Game-Theorctic, and Logical Foundations, Yoav
Shoham and Kevin Leyton-Brown, Cambridge University Press, 2009.

شبکه های عصبی

Neural Networks
تعداد واحد 3
نوع درس تحصیلات تکمیلی
پیش نیاز ندارد
گرایش هوش مصنوعی و رباتیکز

اهداف درس

آشنائی با اصول نظری و استفاده عملی از شبکه های عصبی متنوع با یادگیری با نظارت و بی نظارت برای حل مسائل مختلف دسته بندی، تقریب تابع، بهینه سازی و امثال آن.

سرفصل درس ها

  1. مقدمه: معرفی شبکه های عصبی، تاریخچه شبکه های عصبی، کاربردها.
  2. مفاهیم پایه و مدل های شبکه های عصبی: مغز انسان، مدل های نورون، معماری های شبکه، یادگیری با نظارت و بی نظارت، قوانین یادگیری متنوع شبکه‌ها.
  3. شبکه تک لایه پرسپترونی: مسأله دسته بندی، معرفی پرسپترون، حل مسأله با پرسپترون.
  4. شبکه چند لایه پیشرو(Feedforward) معرفی شبکه های چند لایه پیش رو، قانون یادگیری پس انتشار خطاء عوامل مؤثر در یادگیری، ایجاد بهبود در شبکه، عملکرد شبکه در دسته بندی و تخمین تابع، شبکه های کانولوشنی.
  5. شبکه توابع پایه شعاعی: جدائی پذیری الگوهای شبکه توابع پایه شعاعی و روشهای آموزش آن، نظریه قانونمندسازی، شبکه توابع پایه شعاعی تعمیم یافته، مقایسه با شبکه های پرسپترونی چند لایه.
  6. شبکه تحلیل مؤلفه اصلی تحلیل مؤلفه اصلی استفاده از قانون هب، تحلیل مؤلفه اصلی تطبیقی، تحلیل مؤلفه اصلی مبتنی بر هسته.
  7. شبکه های خودسازمانده مدل های نگاشت و یزکی، نقشه خودسازمانده، یادگیری کوانتیزاسیون برداری.
  8. حافظه های تداعی گر: حافظه تداعی گر خطی، مفاهیم پایه و عملکرد حافظه خود نداعی گر بازگشتی حافظه تداعی گر دوطرفه.
  9. شبکه های بازی: شبکه های بازگشتی تک لایه، سیستم های دینامیکی، مدل فضای حالت، پایداری معماری های شبکه های باز گشنی، آموزش شبکه های بازگشتی.
  10. شبکه های اتفاقی: شبیه سازی تابکاری (Simulated Annealing). ماشین بولتزمن، شبکه های باور سیگموئیدی.
  11. نظریه تشدید تطبیقی: تناقض پایداری-تأثیرپذیری، شبکه ارت-1 (ART1).
  12. شبکه های پردازش زمانی: معماری های مناسب، شبکه های پیش رو تأخیر دار متمرکز، شبکه های پیش رو تأخیر دار توزیع شده، الگوریتم پس انتشار خطای زمانی.
  13. شبکه همبستگی آبشاری (Cascade Correlation): مشخصات و مزایای شبکه، روش ساخت شبکه، آموزش شبکه.
  14. شبکه‌های عمیق.

نرم افزارهای مورد نیاز

نرم افزار متلب Matlab)، جعبه ابزار شبکدهای عصبی
شبیه ساز شبکه عصبی اشتوتگارت (Stuttgart Neural Network Simulator (SNNS

کتاب (های) مرجع

[1] S. Haykin, Neural Networks and Learning Machines, 3rd Edition, Prentice-Hall, 2008.

[2] J. M. Zurada. Introduction to Artificial Neural Systems, West Publishing Company, 1992.

بازار کار رشته هوش مصنوعی در خارج از کشور به چه شکل است؟

در حال حاضر بازار کار رشته هوش مصنوعی در خارج از کشور فوق العاده است و از سایر گرایش های دیگر رشته کامپیوتر بسیار بهتر است، با توجه به شاخه های زیاد رشته هوش مصنوعی که در سال های اخیر شاهد پیدایش آن هستیم می‌توان گفت که آینده دنیا در دستان هوش مصنوعی خواهد بود

بهترین دانشگاه هوش مصنوعی در ایران چه دانشگاهی است؟

بی شک دو دانشگاه تهران و صنعتی شریف در کشور از سایر دانشگاه ها بهتر هستند ولی نمی‌توان گفت که یکی بر دیگری ارجحیت دارد، در بعضی از فیلدها دانشگاه تهران بهتر از شریف است و در بعضی از فیلدها دانشگاه شریف بهتر از دانشگاه تهران است. بعنوان مثال یادگیری ماشین و علوم شناختی دانشگاه تهران قوی تر از شریف و پردازش سیگنال در شریف قوی تر از دانشگاه تهران است

دروس مهم گرایش هوش در کنکور ارشد چیست؟

بی شک دروس مدار منطقی، معماری کامپیوتر، ساختمان داده، هوش مصنوعی، سیستم عامل، شبکه های کامپیوتری، نظریه زبان ها و ماشین ها و سیگنال و سیستم مهم ترین دروس کنکور ارشد هوش مصنوعی است

همچنین هر گونه سوالی در مورد کلاس‌های آنلاین کنکور کامپیوتر و یا تهیه فیلم‌ها و یا رزرو مشاوره تک جلسه‌ای تلفنی با استاد رضوی دارید می‌توانید به طرق زیر از تیم پشتیبانی بپرسید:

آی دی تلگرام تیم پشتیبانی:     konkurcomputer_admin@

شماره تیم پشتیبانی:   09378555200

امتیازدهی4.3231707317073 1 1 1 1 1 1 1 1 1 14.32 امتیاز (82 رای)
اشتراک
بارگذاری نظرات

مشتاقانه منتظر نظرات و سوالات شما هستیم

سوال شما توسط استاد رضوی پاسخ داده می‌شود و از طریق پیامک به شما اطلاع رسانی می‌شود
  • ---------------
  • ---------------
293 نظر در این صفحه ثبت شده است
avatar
فرهاد
سلام
استاد گرامی لیسانس ریاضی کاربردی و فوق لیسانس آنالیز ریاضی خوندم. برای قبول شدن در رشته هوش مصنوعی چقدر شانس دارم و آیا می توانم موفقیتی کسب کنم؟
avatar
رامین رضوی
سلام وقت بخیر، دبیر دانشگاه فرهنگیان هستید؟ اگر مشکلی برای شرکت در کنکور ارشد نداشته باشید بله می توانید رتبه خوب کسب کنید، رتبه 17 امسال لیسانس فیزیک داشتند. فیلم صفر تا صد کنکور ارشد کامپیوتر را از صفحه اصلی سایت کنکور ارشد کامپیوتر مشاهده کنید با پشتیبانی کنکور کامپیوتر با شماره 09378555200 در تماس باشید. موفق و پیروز باشید
avatar
امین
آیا بدون دانشگاه رفتن هم میشه توی زمینه ی هوش مصنوعی کار کرد و به سطح بالا رسید ؟؟؟؟؟؟
avatar
رامین رضوی
سلام وقت بخیر، مسلما باید تحصیلات دانشگاهی داشته باشید، اگر می خواهید به سطوح بالا برسید. موفق و پیروز باشید
avatar
روژان
سلام برای اینکه بتونیم استفاده کنیم از کلاسهای شما چکار کنیم
avatar
رامین رضوی
سلام وقت بخیر، با پشتیانی کنکور کامپیوتر با شماره 09378555200 در تماس باشید، به لینک خرید فیلم های کنکور ارشد کامپیوتر مراجعه کنید. موفق و پیروز باشید
avatar
جواد
سلام استاد وقتتون بخیر. من ارشد هوش مصنوعی دانشگاه علم و فرهنگ قبول شدم. کار خودم برنامه نویس سمت سرور (بک اند) هستش بنظرتون این رشته کمکی میکنه در ادامه مسیرکاریم؟ و اینکه برای اپلای این رشته و دانشگاه خوب هستش؟
avatar
رامین رضوی
سلام، وقت بخیر، فلسفه مقطع ارشد و دکتری این است که شما یک فیلد تخصصی انتخاب کنید و شروع به ریسرچ در آن فیلد کنید و به این ترتیب دریچه‌ای از کارهای جدید به روی شما باز شود. برای مقطع ارشد کامپیوتر بهتر است به فکر خواندن در دانشگاه‌های تاپ باشید، توجه کنید که کنکور ارشد نسبت به کنکور لیسانس بسیار ساده‌تر است و اگر پیوسته و هوشمندانه تلاش کنید می‌توانید در دانشگاه‌های تاپ قبول شوید، موفق و پیروز باشید
avatar
مهرزاد
سلام
آیا دانشگاه یا موسسه ای هستش که بدون کنکور ارشد هوش مصنوعی بشه گرفت؟
من لیسانس نرم افزار دارم از سال 89
avatar
رامین رضوی
سلام، وقت بخیر، بنده موسسه‌ای در این خصوص نمی‌شناسم و خودتون باید در این مورد تحقیق کنید، موفق و پیروز باشید
avatar
احمد
سلام وقتتون بخیر
بنده ارشد الکترونیک دیجیتال هستم می خوام در حوزه هوش مصنوعی کار کنم بهتر ارشد هوش رو بخونم یا دکتری رو (از نظر زمانی و کیفیت کدوم بهتره )؟
avatar
رامین رضوی
سلام، وقت بخیر، شما نگفتید که لیسانس و ارشد چه دانشگاهی بودید و پاسخ به این پرسش در جوابی که می‌خواهم به شما بدهم تاثیر گذار هست و همین طور باید هدف شما را از خواندن دکتری بدانم، پاسخ به این دو پرسش را به همین پیام ریپلای کنید تا شما را بصورت دقیق راهنمایی کنم، بطورکلی اگر لیسانس و ارشد دانشگاه ضعیفی بودید بهتر است برای کنکور ارشد کامپیوتر بخوانید تا بتوانید مقطع ارشد را در دانشگاه‌های تاپ تحصیل کنید، موفق و پیروز باشید
avatar
مسنا
سلام وقت بخیر ، من نرم افزار مجازی دانشگاه ازاد واحد الکترونیکی و مجازی رباتیک شاهرود قبول شدم ، مدرک مجازی برای مهاجرت اعتبار داره ؟
avatar
رامین رضوی
سلام، وقت بخیر، اگر می‌خواهید اپلای کنید و فاند بگیرید من هیچ یک از این دانشگاه‌ها را توصیه نمیکنم و با توجه به سادگی کنکور ارشد کامپیوتر نسبت به کنکور سراسری توصیه میکنم مجددا مطالعه کنید تا بتوانید در مقطع ارشد کامپیوتر در دانشگاه تاپی قبول شوید تا بتوانید اپلای مناسبی داشته باشید، موفق و پیروز باشید
avatar
سونیا
سلام وقتتون بخیر
در ویدیو اول آقای ربیعی گفتند دانشگاه شریف دروس مربوط به کامپیوتر را ندارد در صورتی که در آخر سایت جزو چارت های درسی رباتیکز وجود دارد، امکانش هست توضیح دهید؟
avatar
رامین رضوی
سلام، وقت بخیر، متوجه قسمت اول که گفتید دانشگاه شریف دروس مربوط به کامپیوتر را ندارد نمی‌شوم، وقتی در رشته کامپیوتر تحصیل می‌کنید همه دروس مرتبط به این رشته هستند، موفق و پیروز باشید
avatar
حامد
سلام استاد ممنون برای اطلاع رسانی به افرادی که درباره حوزه هوش مصنوعی سوال دارند و تولید محتوی تخصصی. من سوالم طولانی است ولی اگه میشه کامل راهنمایی کنید.
من می خواهم به طور کلی در حوزه صنعت یا حوزه پزشکی در گرایش هوش مصنوعی هم ادامه تحصیل بدهم و هم کار حرفه ای انجام دهم. من لیسانس کامپیوتر دارم و قصد ادامه تحصیل برای دکتری ندارم و فقط برای یک تجربه علمی قوی و داشتن شانس ، کار کردن با اساتید خوب می خواهم ارشد شرکت کنم.حال سوال من این است
۱ ) پردازش تصویر (با توجه به مقاله ای که در سایت بود احتمالا بینایی کامپیوتر) در پزشکی و صنعت مناسب است؟
۲ ) برای این موضوع ترکیب متلب برای تحقیق و نمونه سازی اولیه و تست الگوریتم و ++C برای پیاده سازی بهتر است یا فقط پایتون کافی است.من قبلاً با ++C کار کردم ولی برای حرفه ای شدن باید زمان مناسبی صرف کردم.
۳ ) ترکیب پایتون و ++C بهتر از ترکیب متلب و ++C است.
۴ ) در حوزه پردازش سیگنال برای افرادی که مهندسی کامپیوتر خواندند فقط به پردازش صوت و تصویر و بینایی کامپیوتر خلاصه می شود یا دیگر موارد را نیز شامل می شود.
۵ ) اگر بخواهیم با بچه های مهندسی پزشکی در یک فیلد کار کنیم (مثلاً تحلیل علائم حیاتی) آیا امکان دارد.

چون سایت شما به طور تخصصی در زمینه کامپیوتر کار میکند امید وارم این سوالات رو پاسخ بدین . من در یکی از شهر های کوچک زندگی میکنم و دانشگاه رفتم و هیچ کسی رو نمی توانم پیدا کنم که جواب این سوالات رو به طور مطمئن بدهد.
با تشکر.
avatar
رامین رضوی
سلام، وقت بخیر، جواب سوال اول‌تون بله هست، جواب سوال دوم‌تون برای مقطع ارشد بهتر است پایتون را بلد باشید ولی بطورکلی اگر می‌خواهید در صنعت کار کنید بستگی به این موضوع دارد که پروژه‌ای که می‌خواهید روی آن کار کنید با چه زبانی نوشته شده است، بعنوان مثال سی شارپ در ایران و صنعت پر کاربرد است. پاسخ پرسش سه هم نسبی است و بستگی به کاری که می‌خواهید انجام بدهید دارد. در خصوص سوال چهارم بستگی به کاری که می‌خواهید انجام دهید می‌تواند حوزه‌های دیگر را هم در برگیرد ولی اکثرا روی همین موارد کار می‌کنند. در خصوص سوال پنجم بله می‌توانید، موفق و پیروز باشید
avatar
صبا
سلام استاد،من لیسانس کامپیوتر دارم اگه امسال ارشد شرکت کنم وقبول شم حداقل زمان برای اتمام تحصیلات چقدر است؟چون که پزشکی قبول شدم واین قبولی تا دوسال اعتبار داره خواستم بدونم که میشه کمتر از دو سال تمام کرد؟
avatar
رامین رضوی
سلام وقت بخیر، این سوال را باید از آموزشگاه دانشگاه بپرسید. موفق و پیروز باشید
هیچ نظری ارسال شده در اینجا وجود ندارد
بارگذاری بیشتر
تلگرام اینستاگرام تماس با پشتیبانی: 09378555200 تماس با پشتیبانی: 09378555200