معرفی اجمالی دوره
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.
ویژگی‌های دوره
انلاین، پروژه محور، همراه با تمرین و کوئیز و راهنمایی منتور و ارائه مدرک رسمی
فصول دوره
فصل اول - مقدمه ای بر بهینه سازی
فصل دوم - الگوریتم ژنتیک در بهینه سازی
فصل سوم - مقدمه ای بر شبکه های عصبی
فصل چهارم - استفاده از جعبه ابزار شبکه عصبی
فصل پنجم - منطق فازی
فصل ششم - کاربرد منطق فازی در مدل های پیش بینی کننده;
معرفی مدرس
معن سلیمی
معین سلیمی دانش آموخته 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 استفاده از نرم افزار Matlab می‌باشد.
پیش‌نیازها
پیش نیاز این دوره ، 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.
روش ارزیابی و نمره‌دهی
حداقل نمره‌ی قبولی برای گذراندن دوره، 75 بوده و لازم به ذکر است، انجام تمامی تمرین‌ها و پروژه‌ها برای اتمام دوره، الزامی است.
نمونه گواهینامه
