الگوریتم های هوش مصنوعی برای بازی

مدرس Eduardo Corpeño

انتشار 2020/04/10

مدت زمان 2h 5m

سطح پیشرفته

فایل تمرینی دارد

آموزش AI Algorithms for Gaming

در سال 1997، یک کامپیوتر IBM به نام دیپ بلو، گری کاسپاروف، قهرمان شطرنج جهان را پس از یک مسابقه شش بازی شکست داد. در حالی که فناوری هوش مصنوعی از زمان پیروزی دیپ بلو در صفحه شطرنج در اواخر دهه 90 به شیوه‌های هیجان‌انگیز و اغلب انقلابی رشد کرده است، بسیاری از تکنیک‌هایی که آن‌ها به کار می‌برند امروزه نیز مرتبط هستند. در این دوره آموزشی، برخی از این تکنیک‌ها را بررسی کنید، زیرا یاد می‌گیرید چگونه از الگوریتم‌های کلیدی هوش مصنوعی برای ایجاد بازی‌های دو نفره و نوبتی استفاده کنید که به اندازه کافی چالش برانگیز هستند تا بازیکنان را حدس بزند. مربی Eduardo Corpeño استفاده از الگوریتم حداقل برای تصمیم‌گیری، الگوریتم عمیق‌سازی تکراری برای گرفتن بهترین تصمیم ممکن در مهلت مقرر، و هرس آلفا-بتا برای بهبود زمان اجرا را از جمله روش‌های هوشمندانه دیگر پوشش می‌دهد. به علاوه، او به شما این فرصت را می‌دهد که خودتان این تکنیک‌ها را امتحان کنید، در حالی که در توسعه یک بازی تله گربه با استفاده از پایتون قدم می‌گذارد.

Algorithms Artificial Intelligence (AI) Game Development Python (Programming Language)

Introduction

Playing against a computer is only fun when it's challenging ()

What you should know ()

1. Turn-Based Games

Some history as motivation ()

Different types of games ()

Tree-based decision-making ()

Time complexity of brute force approaches ()

Time complexity of chess ()

The cat trap game ()

The Python setting for the cat trap ()

Code example: A random cat ()

2. The Minimax Algorithm

Minimax overview ()

Minimax example ()

The minimax algorithm ()

A word on complexity ()

Code example: A perfect cat in a small world ()

Alpha-beta pruning ()

The alpha-beta search algorithm ()

Code example: A pruning cat ()

3. Depth-Limited Search

Depth-limited search ()

Writing good evaluation functions ()

Is alpha-beta pruning still relevant? ()

Challenge: Write your own evaluation function ()

Challenge solution ()

Code example: A depth-limited cat ()

4. Iterative Deepening

The iterative deepening technique ()

Is iterative deepening a waste of time? ()

Code example: An iteratively deepening cat ()

Is iterative deepening really that good? ()

Is alpha-beta pruning really that good? ()

5. Fun with Optimizations

The negamax algorithm ()

Transposition tables ()

Monte Carlo evaluation functions ()

Conclusion

Next steps ()

Ex_Files_AI_Algorithms_Gaming.zip (14 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش الگوریتم های هوش مصنوعی برای بازی

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش AI Algorithms for Gaming در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

در دنیای به سرعت در حال گسترش هوش مصنوعی و یادگیری ماشینی چیزهای زیادی برای یادگیری و ماندن در اوج وجود دارد. از طیف دوره‌های این مسیر یادگیری برای تقویت مهارت‌های خود در زمینه هوش مصنوعی، ML و علم داده با مرور وظایف تجزیه و تحلیل داده‌ها و کاوش در پلت‌فرم‌های برتر استفاده کنید.

آموزش الگوریتم های هوش مصنوعی برای بازی ، ایستگاه شماره 4 در مسیر یادگیری مهارت های خود را در هوش مصنوعی و یادگیری ماشینی ارتقا دهید ، است.

مسیر یادگیری مهارت های خود را در هوش مصنوعی و یادگیری ماشینی ارتقا دهید

آیا تفاوت بین هوش مصنوعی و یادگیری ماشینی را می دانید؟ آیا می دانید آنها چگونه روی شما، مسیر شغلی شما و دنیای اطراف ما تأثیر می گذارند؟ پس از گذراندن دوره های این مسیر یادگیری، بر مفاهیم و جهت گیری های آینده فناوری هایی مانند هوش مصنوعی و یادگیری ماشینی تسلط خواهید داشت. شما می توانید تصمیمات آگاهانه تری بگیرید و در محیط کاری خود مشارکت کنید.

آموزش الگوریتم های هوش مصنوعی برای بازی ، ایستگاه شماره 6 در مسیر یادگیری به اصول هوش مصنوعی و یادگیری ماشینی تسلط داشته باشید ، است.