در این ترم هنرجویان وارد مرحلهی پیشرفتهتری از یادگیری هوش مصنوعی میشوند و سه ستون اصلی AI یعنی داده، تحلیل و تصمیمگیری را در سطح عمیقتری تمرین میکنند. دانشآموزان یاد میگیرند چگونه سیستمهایی بسازند که بر اساس چند قانون و چند ورودی همزمان تصمیم بگیرند، از بازخورد و میزان خطا برای بهبود رفتار استفاده کنند و الگوها و ویژگیهای مختلف را برای تحلیل رفتارها تشخیص دهند.
در بخش عملی، هنرجویان پروژههایی مانند سیستم تشخیص حرکت، دشمن هوشمند در بازی، پیشبینی رفتار بازیکن و تنظیم خودکار سختی بازی را طراحی میکنند. همچنین با استفاده از لیستها و ساخت دیتابیس کوچک در اسکرچ یاد میگیرند دادههای چندروزهی رباتها را ذخیره و تحلیل کنند.
در پایان ترم، تمام این مهارتها در قالب یک پروژهی کامل و مسابقهای ترکیب میشود؛ جایی که دانشآموزان با اصول معماری پروژه، طراحی ماژولها و ارائهی حرفهای یک سیستم هوش مصنوعی آشنا میشوند.
در ترم ۳، هنرجویان وارد مرحلهی پیشرفتهتری از یادگیری هوش مصنوعی میشوند و مفاهیم را از حالت ساده و پایه به سطحی عمیقتر و کاربردیتر ارتقا میدهند. در این دوره تمرکز بر تقویت سه ستون اصلی AI یعنی داده، تحلیل و تصمیمگیری است؛ اما اینبار با سیستمهای پیچیدهتر و واقعیتر.
دانشآموزان یاد میگیرند چگونه با استفاده از قوانین چندگانه و شرطهای ترکیبی (AND / OR) سیستمهای تصمیمگیری چندمعیاره طراحی کنند. همچنین با مفهوم بازخورد چندسطحی آشنا میشوند؛ یعنی برنامه به جای تشخیص صرفِ درست یا غلط، شدت خطا را اندازهگیری کرده و رفتار خود را بهصورت تدریجی اصلاح میکند.
در بخش عملی، هنرجویان پروژههایی مانند:
- طراحی سیستم تشخیص حرکت و امنیتی ساده
- ساخت دشمن هوشمند (Reactive AI) با قابلیت پیشبینی ساده حرکت بازیکن
- پیادهسازی الگوریتم سختی تطبیقی (Adaptive Difficulty) برای تنظیم خودکار سطح بازی
- ذخیره و تحلیل دادهها در قالب دیتابیس کوچک با لیستهای چندبعدی در اسکرچ
را اجرا میکنند.
در این ترم استفاده از لیستها، حلقهها، متغیرهای پویا، تایمر و تحلیل مختصات بهصورت حرفهایتر آموزش داده میشود تا هنرجو بتواند سیستمهایی هوشمندتر و ساختارمندتر بسازد.
در پایان دوره، تمامی مهارتها در قالب یک پروژه نهایی مسابقهای ترکیب میشود؛ پروژهای که علاوه بر پیادهسازی فنی، شامل طراحی معماری، تقسیم ماژولها، مدیریت ورودی/خروجی و ارائه حرفهای نیز خواهد بود.
این دوره پلی است بین برنامهنویسی مقدماتی و ورود جدیتر به دنیای هوش مصنوعی کاربردی.
محتوای آموزش
شماره 1 تعمیق هوش مصنوعی
موارد مرتبط
ترم ۲ مقدماتی – یادگیری ماشین، بازخورد و هوش بازیها
ترم ۱ مقدماتی – آشنایی با دنیای هوش مصنوعی و الگوریتمها
- تعریف سادهی هوش مصنوعی و مثالهای روزمره (موبایل هوشمند، پیشنهاد فیلم/آهنگ، رباتها)
- تفاوت فکر کردن انسان با اجرای دستور در ماشین؛ ربات فرمانبَر در برابر ربات «فکرکن» و «هوشمند
- آشنایی اولیه با AI محدود (Narrow) در برابر AI عمومی و اینکه چرا امروز با نوع محدود سروکار داریم
- مفهوم داده و اینکه ماشین بدون داده نمیتواند یاد بگیرد
- مفهوم الگوریتم بهعنوان دستورالعمل گامبهگام برای حل مسئله (در قالب داستان و فعالیتها)
- ایدهی دسته بندی و تشخیص (مثلاً تشخیص سگ/گربه، انسان/ماشین، کار انسانمحور در برابر کار قابلاتومات)
- تفاوت انسان و ماشین از نظر خلاقیت، احساسات، حافظه و سرعت محاسبات (جدول مقایسهای مغز و AI)
- مقدمهای بر یادگیری ماشین: اینکه ماشین بهجای گرفتن قوانین صریح، از روی نمونهها و مثالها الگو پیدا میکند
- آشنایی اولیه با محیط Scratch، کار با اسپرایت و صحنه، تغییر ظاهر (Looks) و نمایش پیام
- استفاده از رویدادها مثل «وقتی پرچم کلیک شد» برای شروع برنامه
- استفاده از بلوکهای حسکردن مثل «بپرس و منتظر بمان» برای ساخت ربات گفتوگوگر ساده
- آشنایی با شرطها (if / if-else) برای ساخت رفتار هوشمند ساده
- استفاده از عملگرهای مقایسهای برای مقایسه پاسخ کاربر با گزینههای مختلف
- ساخت نخستین «ربات فکرکن» که بسته به ورودی، پاسخ متفاوت میدهد (مقدمهای بر منطق تصمیمگیری)
- در انتهای ترم: ترکیب این مفاهیم برای ساخت یک داستان تعاملی یا بازی خیلی ساده که در آن انتخابهای کودک مسیر ماجرا را تغییر میدهد
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.