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.
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 ویدیوی زیر، علی ربیعی، رتبهی ۱ کنکور ارشد کامپیوتر، دانش‌آموخته‌ی ارشد هوش مصنوعی دانشگاه صنعتی شریف و دکتری کامپیوتر دانشگاه University of Rhode Island آمریکا، درباره‌ی رشته هوش مصنوعی دانشگاه شریف صحبت می‌کند.
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 شریف توسط رتبه 1 مراجعه کنید.
فیلم معرفی گرایش هوش مصنوعی در مقطع ارشد
کنکور ارشد هوش مصنوعی ۱۴۰۶: یک آزمون برای همهی گرایش‌ها
برای ورود به ارشد هوش مصنوعی باید در کنکور ارشد کامپیوتر (گروه امتحانی مهندسی کامپیوتر) شرکت کنید. در کنکورهای ۱۴۰۰ تا ۱۴۰۵ ضرایب دروس برای چهار گرایش با هم فرق داشت: ۱. شبکه و امنیت ۲. هوش مصنوعی ۳. معماری کامپیوتر ۴. نرم‌افزار و بیوانفورماتیک؛ برای همین هر داوطلب چهار رتبه می‌گرفت، یعنی برای هر گرایش یک رتبهی جدا. از ۱۴۰۶ فقط یک رتبه برای هر داوطلب اعلام میشود و گرایش فقط در انتخاب رشته اهمیت دارد. از کنکور ۱۴۰۶ این قاعده‌ها برقرار است:
- همهی گرایشهای مهندسی کامپیوتر، از جمله هوش مصنوعی، یک شکل آزمون (یعنی بر خلاف سال‌های قبل ضرایب دروس برای همهی گرایش‌ها یکسان است) و یک رتبه دارند.
- آزمون ۱۲ درس دارد و طبق تخمین تیم کنکور کامپیوتر ۸۵ سؤال در ۱۹۰ دقیقه است.
- ضریب زبان ۱، ریاضیات ۲ و دروس تخصصی ۴ است.
- ریاضی ۱ و ۲، سیگنال، الکترونیک دیجیتال، شبکههای کامپیوتری و پایگاه داده از آزمون حذف شدهاند و جبر خطی و مبانی کامپیوتر و برنامهسازی اضافه شدهاند.
- ارزش درس زبان حدود ۲ تا ۳ برابر کنکورهای قبل شده است.
| دروس و ضرایب کنکور ارشد مهندسی کامپیوتر ۱۴۰۶ | |||
|---|---|---|---|
| گروه درسی | دروس این گروه | تعداد سؤال (طبق تخمین تیم کنکور کامپیوتر) | ضریب |
| زبان انگلیسی | زبان عمومی و تخصصی | ۲۵ | ۱ |
| ریاضیات | آمار و احتمال، ریاضیات گسسته، جبر خطی | ۲۰ | ۲ |
| دروس تخصصی | مبانی کامپیوتر و برنامهسازی، مدار منطقی، معماری کامپیوتر، ساختمان داده، طراحی الگوریتم، نظریه زبانها و ماشینها، سیستم عامل، هوش مصنوعی | ۴۰ | ۴ |
جمع: ۸۵ سؤال در ۱۹۰ دقیقه، طبق تخمین تیم کنکور کامپیوتر. ممکن است از بعضی درس‌ها تعداد تست کمتر یا بیشتری مطرح شود.
برای زبان حتماً از پلتفرم زبان کنکور ارشد کامپیوتر استفاده کنید. همهی سؤال‌ها و کلمات کنکورهای ارشد کامپیوتر، آیتی و علوم کامپیوتر، از اولین سال برگزاری یعنی ۱۳۸۱ تا ۱۴۰۵، در این پلتفرم هست و تنها مرجع زبان در کشور است که فقط کلمات کنکورهای ارشد همین سه رشته را دارد. کنارش فیلم‌های استاد جهانشاهی را ببینید؛ نویسنده‌ی کتاب‌های «زیر ذره‌بین»، پرفروش‌ترین کتاب زبان کشور.
جزئیات بیشتر را در صفحه‌های کنکور ارشد هوش مصنوعی، ضرایب دروس کنکور ارشد هوش مصنوعی، منابع کنکور ارشد هوش مصنوعی و تغییرات کنکور ارشد کامپیوتر ۱۴۰۶ بخوانید. اگر کارشناسی‌تان رشتهی دیگری است، صفحه‌ی رشتههای مجاز برای ارشد هوش مصنوعی را هم ببینید.
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:
طبق برنامه‌ی درسی رسمی ارشد «مهندسی و علم کامپیوتر» (مصوب ۱۶ دی ۱۴۰۳ وزارت علوم)، هدف گرایش هوش مصنوعی این است که دانشجو دانش و توانایی لازم برای درک نظری، طراحی و توسعه‌ی سامانه‌های هوشمند را به دست بیاورد. درس‌های این دوره نظریه‌های ریاضی و آمار، یادگیری ماشین، پردازش زبان‌های طبیعی، بینایی ماشین و زمینه‌های دیگر هوش مصنوعی را طوری پوشش می‌دهند که دانشجو علاوه بر تسلط نظری، تجربه‌ی پژوهش، حل مسئله و پیاده‌سازی راه‌حل‌ها را هم داشته باشد. دانش‌آموختگان این گرایش معمولاً این توانایی‌ها را پیدا می‌کنند:
- طراحی و آموزش مدل‌های یادگیری ماشین و یادگیری عمیق برای داده‌های واقعی
- ساخت سامانه‌های پردازش زبان طبیعی، مثل ترجمه‌ی ماشینی، دستیارهای گفت‌وگو و جست‌وجوی هوشمند
- بینایی ماشین و تحلیل تصویر و ویدیو، مثل تشخیص چهره و کنترل کیفیت خودکار در صنعت
- پردازش و بازشناسی گفتار و تبدیل متن به گفتار
- طراحی رباتهای هوشمند، مکان‌یابی و ناوبری ربات و تعامل انسان با ربات
- طراحی سامانه‌های تصمیم‌یار و بهینه‌سازی، و هدایت پروژه‌های پژوهشی در شرکت‌ها و مراکز تحقیقاتی
توضیح آقای عماد کاوسی رتبه 15 کنکور مهندسی کامپیوتر 99 و فارغ التحصیل ارشد هوش مصنوعی دانشگاه تهران در مورد گرایش هوش این دانشگاه
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
برای آشنایی بیشتر با شغل‌ها و درآمد این رشته، صفحه‌ی بازار کار رشته هوش مصنوعی را بخوانید.
ظرفیت ارشد هوش مصنوعی در کنکورهای ۱۴۰۳ تا ۱۴۰۵
جدول زیر ظرفیت گرایش هوش مصنوعی را در دورههای روزانه و شبانه (نوبت دوم) دانشگاههای سراسری، از دفترچههای انتخاب رشتهی سنجش نشان میدهد:
| سال | ظرفیت هوش مصنوعی (روزانه و شبانه) | کل ظرفیت روزانه و شبانه‌ی مهندسی کامپیوتر |
|---|---|---|
| ۱۴۰۳ | ۶۶۰ | ۱۹۳۱ |
| ۱۴۰۴ | ۷۴۱ | ۲۰۶۱ |
| ۱۴۰۵ | ۸۱۷ | ۲۱۴۵ |
نکته‌ی مهم انتخاب رشته: بعضی دانشگاه‌ها در شهر دیگری «محل تحصیل» جدا دارند، مثل دانشگاه تهران (محل تحصیل پردیس فارابی قم)، دانشگاه صنعتی امیرکبیر (محل تحصیل پردیس گرمسار) و دانشگاه علم و صنعت (محل تحصیل شعبه نور). ظرفیت این محل‌ها هم در عددهای جدول بالا هست، چون روزانه یا شبانه‌اند؛ ولی سطحشان با خود دانشگاه یکی نیست. پس موقع انتخاب رشته به نام محل تحصیل هر کد رشته دقت کنید.
- عددها جمع نیمسال اول و دوم است. البته در کنکورهای ۱۴۰۳ تا ۱۴۰۵ هیچ دانشگاه سراسری در گرایش هوش مصنوعی ورودی نیمسال دوم نداشت؛ تنها ورودی نیمسال دوم مهندسی کامپیوتر در این سه سال، گرایش نرم‌افزار دانشگاه الزهرا (ویژه‌ی خواهران) بود.
- ظرفیت غیرانتفاعی، پردیس، مجازی، پیام نور و دانشگاه آزاد در این جدول نیست.
- در ۱۴۰۵ هوش مصنوعی با ۸۱۷ صندلی روزانه و شبانه پرظرفیت‌ترین گرایش مهندسی کامپیوتر بود؛ حدود ۳۸ درصد کل.
- ظرفیت کنکور ۱۴۰۶ با دفترچهی انتخاب رشتهی ۱۴۰۶ اعلام میشود که معمولاً حدود تیر منتشر میشود.
ظرفیت همهی گرایش‌ها را در صفحه‌ی ظرفیت پذیرش کارشناسی ارشد کامپیوتر و آیتی ببینید.
با چه رتبهای ارشد هوش مصنوعی قبول می‌شوید؟
جدول زیر از روی بانک کارنامه کنکور ارشد کامپیوتر ساخته شده است. هر خانه بالاترین رتبهای است که دانشجویان تیم کنکور کامپیوتر با آن در گرایش هوش مصنوعی همان دانشگاه قبول شدهاند. عدد داخل پرانتز تعداد کارنامه‌هاست؛ با ۵ کارنامه یا بیشتر، عدد قابل اتکاتر است.
| بالاترین رتبهی قبولی ارشد هوش مصنوعی در بانک کارنامه؛ سهمیهی آزاد، دورهی روزانه | |||
|---|---|---|---|
| دانشگاه | کنکور ۱۴۰۳ | کنکور ۱۴۰۴ | برآورد رتبهی آخر (۱۴۰۳ و ۱۴۰۴) |
| صنعتی شریف | ۲۵ | ۱۶ (۸ کارنامه) | حدود ۲۵ |
| تهران | ۴۹ (۶ کارنامه) | ۴۴ (۶ کارنامه) | حدود ۴۹ یا بیشتر |
| صنعتی امیرکبیر | ۸۸ (۵ کارنامه) | ۱۴۷ (۶ کارنامه) | حدود ۱۴۷ یا بیشتر |
| علم و صنعت ایران | ۱۷۰ (۵ کارنامه) | ۳۷۹ (۷ کارنامه) | حدود ۳۷۹ یا بیشتر |
| شهید بهشتی | ۲۴۴ (۵ کارنامه) | ۳۶۸ (۶ کارنامه) | حدود ۳۶۸ یا بیشتر |
| خواجه نصیرالدین طوسی | ۲۱۴ (۳ کارنامه) | ۳۲۸ (۳ کارنامه) | حدود ۳۲۸ یا بیشتر |
| شیراز | ۲۹۹ (۲ کارنامه) | ۹۷ (۱ کارنامه) | حدود ۶۰۰ |
| فردوسی مشهد | ۳۳۵ (۲ کارنامه) | ۵۰۷ (۴ کارنامه) | حدود ۵۰۷ یا بیشتر |
| صنعتی اصفهان | ۲۸۷ (۱ کارنامه) | ۶۲۱ (۴ کارنامه) | حدود ۶۲۱ یا بیشتر |
| تربیت مدرس | ۲۵۰ (۳ کارنامه) | ۷۰۴ (۵ کارنامه) | حدود ۷۰۴ یا بیشتر |
هر عدد «رتبه در سهمیه» در کد ضریب هوش مصنوعی است؛ پذیرش سنجش بر اساس همین رتبه است.
- این بانک همهی قبول‌شدگان را ندارد؛ پس رتبهی آخر واقعی برابر این عدد یا کمی بزرگ‌تر از آن است.
- برای دانشگاه شیراز کارنامه‌های ۱۴۰۳ و ۱۴۰۴ کم است؛ در کارنامه‌های قبلی، هوش مصنوعی شیراز در ۱۴۰۰ تا رتبهی ۵۱۸ و در ۱۴۰۱ تا رتبهی ۶۸۸ پذیرش داشته، برای همین برآورد حدود ۶۰۰ است.
- از کنکور ۱۴۰۶ هر داوطلب یک رتبه می‌گیرد؛ پس این عددها برای ۱۴۰۶ فقط تقریب‌اند.
- برای دانشگاههای دیگر، صفحه‌ی آخرین رتبه قبولی ارشد هوش مصنوعی را ببینید، فهرست دانشگاههای دارای رشتهی هوش مصنوعی در ایران را مرور کنید و برای تخمین شانس خودتان با درصدهایتان از پلتفرم تخمین رتبه کمک بگیرید.
چارت درسی و واحدهای ارشد هوش مصنوعی
ارشد هوش مصنوعی دوره‌ای دوساله و ۳۲ واحدی است. این بخش طبق آخرین و به‌روزترین برنامه‌ی درسی ارشد «مهندسی و علم کامپیوتر» است که وزارت علوم در ۱۶ دی ۱۴۰۳ تصویب کرده و از سال تحصیلی ۱۴۰۵-۱۴۰۶ اجرا میشود. وزارت علوم برنامه‌های درسی را هر چند سال یک بار بازنگری می‌کند، پس این همان برنامه‌ای است که دانشجویان سال‌های آینده با آن درس می‌خوانند.
| توزیع ۳۲ واحد ارشد هوش مصنوعی (برنامه‌ی مصوب ۱۴۰۳) | |
|---|---|
| نوع درس | تعداد واحد |
| تخصصی الزامی | ۱۴ |
| تخصصی اختیاری | ۱۲ |
| پایان‌نامه | ۶ |
| جمع | ۳۲ |
اگر کارشناسی‌تان کامپیوتر نیست یا بعضی درس‌های پایه را نگذرانده‌اید، دانشگاه ممکن است چند درس جبرانی (پیشنیاز) هم برایتان تعیین کند که جزو این ۳۲ واحد نیست.
دروس ارشد هوش مصنوعی
همهی درس‌های این برنامه ۳ واحدی‌اند. دانشجوی گرایش هوش مصنوعی باید دست‌کم ۴ درس از جدول درس‌های تخصصی الزامی زیر را بگذراند و دو درس «یادگیری ماشین» و «یادگیری عمیق» برایش اجباری است:
| درس‌های تخصصی الزامی ارشد هوش مصنوعی | |
|---|---|
| ۱. یادگیری ماشین (اجباری) | ۲. یادگیری عمیق (اجباری) |
| ۳. مبانی یادگیری آماری | ۴. یادگیری تقویتی عمیق |
| ۵. یادگیری ماشین قابل اعتماد | ۶. بهینه‌سازی محدب |
| ۷. بهینه‌سازی فراابتکاری | ۸. رباتهای متحرک خودگردان |
درس‌های تخصصی اختیاری گرایش هوش مصنوعی این ۲۷ درس است (دو درس هم با نظر استاد راهنما می‌تواند از گرایش‌ها یا رشتههای دیگر باشد):
| درس‌های تخصصی اختیاری ارشد هوش مصنوعی | ||
|---|---|---|
| ۱. یادگیری عمیق پیشرفته | ۲. یادگیری ماشین آماری | ۳. سیستمهای چندعاملی |
| ۴. مدل‌های گرافی احتمالی | ۵. نظریه‌ی یادگیری ماشین | ۶. تحلیل کلان‌داده |
| ۷. تحلیل شبکههای پیچیده | ۸. روش‌ها و سامانه‌های فازی | ۹. فرایندهای تصادفی |
| ۱۰. پردازش سیگنال‌های رقمی | ۱۱. مهندسی سامانه‌های یادگیری ماشین | ۱۲. بینایی کامپیوتر |
| ۱۳. بینایی کامپیوتر سه‌بعدی | ۱۴. پردازش تصویر | ۱۵. پنهان‌سازی اطلاعات |
| ۱۶. پردازش زبان‌های طبیعی | ۱۷. پردازش زبان‌های طبیعی پیشرفته | ۱۸. بازیابی هوشمند اطلاعات |
| ۱۹. پردازش گفتار | ۲۰. بازشناسی گفتار و گوینده | ۲۱. تبدیل متن به گفتار |
| ۲۲. مکان‌یابی و ناوبری ربات | ۲۳. مقدمه‌ای بر علوم اعصاب | ۲۴. علوم شناختی محاسباتی |
| ۲۵. برنامه‌ریزی در هوش مصنوعی | ۲۶. رباتیک شناختی | ۲۷. تعامل انسان با ربات |
فایل کامل این برنامه را می‌توانید از اینجا دانلود کنید: برنامه‌ی درسی ارشد مهندسی و علم کامپیوتر (مصوب ۱۴۰۳)
برنامه‌ی درسی همهی رشته‌ها هم رایگان در سایت وزارت علوم (msrt.ir) هست. این درس‌ها مال دورهی ارشدند و در کنکور نمی‌آیند؛ دروس کنکور همان ۱۲ درسی است که در بخش «کنکور ارشد هوش مصنوعی ۱۴۰۶» آمد.
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
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
- مقدمه معرفی ربات های متحرک، انواع روشهای جابجائی ربات.
- سینماتیک ربات های متحرک، توصیف موقعیت ربات در محیط، محدودیتهای سینماتیکی.
- مانور ربات، کنترل موقعیت ( حلقه باز و حلقه بسته).
- ادراک محیط توسط سنسورها، انکدر، جهت ( قطب نما، ژایروسکوپ)، شتاب سنج، سرعت سنج.
- ادراک محیط توسط سنسورها. لیزر. سونار، بینایی.
- ادراک محیط توسط سنسورها، عدم قطعیت در اندازه گیری، انتشار خطا، استخراج ویژگی.
- مکان یابی: روش های احتمالی، روش کالمن. روش مارکف.
- ناوبری: مفاهیم طراحی مسیر.
- ناوبری: روش های توابع پتانسیل، نقشه راه تجزیه سلولی. الگوریتم BUG.
- 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
اهداف درس
هدف از این درس یادگیری الگوریتمهای تکاملی موجود و ابداع الگوریتم های تکاملی جدید است
سرفصل درس ها
- مقدمه.
- تئوری تکامل از دیدگاه ماکروسکوپی.
- تئوری تکامل از دیدگاه میکروسکوپی.
- چارچوب کلی الگوریتم های تکاملی.
- عملگرهای انتخاب.
- عملگرهای تنوع.
- الگوریتم ژنتیک.
- استراتژی های تکامل.
- برنامه نویسی تکامل.
- برنامه نویسی ژنتیک.
- مدیریت محدودیت‌ها.
- تنظیم پارامترها.
- الگوریتمهای تکاملی چند هدفی.
- سیستمهای دسته بندی کننده.
- الگوریتم تخمین توزیع.
- 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
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
- مقدمه.
- یادگیری درخت بیزی (بزارش بیش از حد، روشهای هرس).
- یادگیری بیزی.
- یادگیری بر پایه مثال.
- ارزیابی فرضیه.
- الگوریتم انتشار خطا به عقب.
- ماشین بردار پشتیبان.
- رگرسیون خطی و لاجیستیک.
- نظریه یادگیری محاسباتی.
- ترکیب دسته بندها.
- مدل اختلاط.
- یادگیری برخط.
- یادگیری نیمه نظارتی.
- یادگیری فعال.
- یادگیری چند برچسبی.
- 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
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
- مقدمه.
- معماری و مدل سازی عاملها.
- الگوریتم های جستجو و مسیریابی.
- ارتباطات و همکاری عاملها.
- 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
- یادگیری در محیط های چند عاملی.
- یادگیری تقویتی Replicator Dynamics و استراتژی های پایدار تکاملی، ...
- 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
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
- مقدمه: معرفی شبکه های عصبی، تاریخچه شبکه های عصبی، کاربردها.
- 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.
- شبکه تک لایه پرسپترونی: مسأله دسته بندی، معرفی پرسپترون، حل مسأله با پرسپترون.
- 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.
- 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.
- شبکه تحلیل مؤلفه اصلی تحلیل مؤلفه اصلی استفاده از قانون هب، تحلیل مؤلفه اصلی تطبیقی، تحلیل مؤلفه اصلی مبتنی بر هسته.
- شبکه های خودسازمانده مدل های نگاشت و یزکی، نقشه خودسازمانده، یادگیری کوانتیزاسیون برداری.
- حافظه های تداعی گر: حافظه تداعی گر خطی، مفاهیم پایه و عملکرد حافظه خود نداعی گر بازگشتی حافظه تداعی گر دوطرفه.
- 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.
- شبکه های اتفاقی: شبیه سازی تابکاری (Simulated Annealing). ماشین بولتزمن، شبکه های باور سیگموئیدی.
- نظریه تشدید تطبیقی: تناقض پایداری-تأثیرپذیری، شبکه ارت-1 (ART1).
- 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.
- شبکه همبستگی آبشاری (Cascade Correlation): مشخصات و مزایای شبکه، روش ساخت شبکه، آموزش شبکه.
- 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.
برای قبولی در ارشد هوش مصنوعی از کجا شروع کنید؟
قبولی هوش مصنوعی شریف و تهران رتبهی دورقمی می‌خواهد. برای چنین رتبهای باید همهی ۱۲ درس را بخوانید و هر روز برنامه داشته باشید. این ابزارها برای همین مسیر ساخته شدهاند:
- پکیج جامع ۱۰ مرحله آزمون + ۱۲ درس + ۱۲ نکته‌و‌تست: فیلم درس و نکته‌و‌تست همهی ۱۲ درس کنکور ۱۴۰۶، همراه ۱۰ مرحله آزمون.
- پلتفرم آزمون و بانک تست: تست‌های کنکورهای ارشد کامپیوتر از ۱۳۸۱ تا ۱۴۰۵ با پاسخ تشریحی، به‌علاوه‌ی بودجه‌بندی مبحثی پلتفرم آزمون برای دیدن اهمیت هر فصل.
- پلتفرم مرور و خلاصه‌نویسی: نکته‌های هر درس را با مرور فاصله‌دار تا روز کنکور نگه می‌دارد.
- پلتفرم برنامه‌ریزی و قطب‌نما: ثبت ساعت مطالعه‌ی روزانه و دیدن اینکه در هر درس کدام فصل و مبحث بیشترین کار را لازم دارد، با داده‌ی پلتفرم‌ها.
- مشاوره‌ی دوهفتگی برای برنامه و پیگیری منظم، یا مشاوره‌ی تک‌جلسه‌ای تلفنی با استاد رضوی برای یک برنامه‌ی شخصی.
اگر تازه شروع کرده‌اید، اول روش مطالعه‌ی واشبک را ببینید، بعد سراغ سوالات کنکور ارشد کامپیوتر بروید و کارنامهی رتبههای برتر را در بانک کارنامه کنکور ارشد کامپیوتر بررسی کنید. مسیر دکتری هوش مصنوعی را هم در صفحه‌ی کنکور دکتری کامپیوتر ببینید.
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؟
از کنکور ۱۴۰۶ همهی گرایشهای مهندسی کامپیوتر یک آزمون و یک رتبه دارند؛ پس درس مهم جداگانهای برای گرایش هوش مصنوعی وجود ندارد و همهی ۱۲ درس آزمون مهماند: زبان انگلیسی، آمار و احتمال، ریاضیات گسسته، جبر خطی، مبانی کامپیوتر و برنامهسازی، مدار منطقی، معماری کامپیوتر، ساختمان داده، طراحی الگوریتم، نظریه زبانها و ماشینها، سیستم عامل و هوش مصنوعی. ضریب زبان ۱، ریاضیات ۲ و دروس تخصصی ۴ است. شبکههای کامپیوتری، سیگنال، پایگاه داده، الکترونیک دیجیتال و ریاضی ۱ و ۲ از آزمون حذف شدهاند. به نظر استاد رضوی، برای رتبهی زیر ۱۰۰ و دانشگاههایی مثل شریف و تهران باید همهی دروس را بخوانید، از جمله زبان و هر سه درس ریاضی.
کنکور ارشد هوش مصنوعی ۱۴۰۶ چه دروسی دارد و ضرایب آن چیست؟
کنکور ارشد هوش مصنوعی از ۱۴۰۶ همان کنکور ارشد مهندسی کامپیوتر است و ۱۲ درس دارد: زبان انگلیسی با ضریب ۱؛ آمار و احتمال، ریاضیات گسسته و جبر خطی با ضریب ۲؛ و مبانی کامپیوتر و برنامهسازی، مدار منطقی، معماری کامپیوتر، ساختمان داده، طراحی الگوریتم، نظریه زبانها و ماشینها، سیستم عامل و هوش مصنوعی با ضریب ۴. طبق تخمین تیم کنکور کامپیوتر، آزمون ۸۵ سؤال در ۱۹۰ دقیقه است.
ظرفیت ارشد هوش مصنوعی چقدر است؟
طبق دفترچههای انتخاب رشتهی سراسری، ظرفیت گرایش هوش مصنوعی در دورههای روزانه و شبانه در ۱۴۰۳ برابر ۶۶۰، در ۱۴۰۴ برابر ۷۴۱ و در ۱۴۰۵ برابر ۸۱۷ نفر بوده است. ظرفیت ۱۴۰۶ با دفترچهی انتخاب رشتهی همان سال اعلام میشود.
با چه رتبهای هوش مصنوعی شریف یا تهران قبول میشوم؟
در بانک کارنامهی کنکور کامپیوتر، بالاترین رتبهی قبولی هوش مصنوعی شریف در سهمیهی آزاد و دورهی روزانه در ۱۴۰۳ حدود ۲۵ و در ۱۴۰۴ حدود ۱۶ بوده و برای دانشگاه تهران حدود ۴۹ و ۴۴. این عددها «رتبه در سهمیه» در کد ضریب هوش مصنوعیاند و برای کنکور ۱۴۰۶ که یک رتبه دارد، تقریبیاند.
فارغالتحصیلان چه رشتههایی میتوانند در کنکور ارشد هوش مصنوعی شرکت کنند؟
طبق دفترچهی ثبتنام کنکور ارشد ۱۴۰۵، دارندگان مدرک کارشناسی هر رشتهای میتوانند در کنکور ارشد مهندسی کامپیوتر ثبتنام کنند. ممکن است دانشگاه برای فارغالتحصیلان رشتههای دیگر دروس پیشنیاز بگذارد که هزینهاش با خود دانشجوست. هر سال رتبههای برتر زیادی با لیسانس غیرکامپیوتر در این کنکور دیده میشوند و بسیاری از آنها رتبهی تکرقمی، دورقمی و حتی رتبهی ۱ گرفتهاند.
مطالب مرتبط
همه مقالات
