آموزش گام به گام #C

فرمت PDF

دانلود رایگان

لینک دانلود 

آموزش برنامه نویسی اندروید در Android Studio

فرمت PDF

دانلود رایگان 

لینک دانلود 

آموزش  برنامه نویسی پایتون 

فرمت PDF

دانلود رایگان 

لینک دانلود 

آموزش  برنامه نویسی JAVA

 فرمت  PDF

دانلود رایگان 

لینک دانلود 

آموزش  برنامه نویسی AngularJS  

دانلود رایگان

فرمت PDF

لینک دانلود 

هوش مصنوعی

هوش مصنوعی (Artificial Intelligence) یا AI فناوری و شاخه‌ای در علوم کامپیوتر است که به مطالعه و توسعه نرم‌افزار و دستگاه‌های هوشمند می‌پردازد. کتب و محققان برجسته هوش مصنوعی، این رشته را با عبارت «مطالعه و طراحی عناصر هوشمند» توصیف می‌کنند که در آن یک عنصر یا عامل هوشمند سیستمی است که محیط را درک کرده و اقداماتی را برای حداکثر کردن احتمال موفقیت خود انجام می‌دهد. جان مک‌کارتی، مبدع این عبارت در سال ۱۹۵۵ آن را به شکل «علم و مهندسی ساخت دستگاه‌های هوشمند» تعریف کرده است.
تحقیقات هوش مصنوعی همچنین برحسب برخی مسائل فنی نیز تقسیم‌بندی می‌شود. این زیرمجموعه بر حل مسائل خاص، بر یکی از چند روش ممکن، بر استفاده از ابزارهای کاملا متفاوت، یا بر رسیدن به کاربردهای خاص متمرکز بوده‌اند.
مسائل (یا اهداف) اصلی در تحقیقات هوش مصنوعی به منطق، دانش، طراحی، یادگیری، ارتباطات، درک و توانایی حرکت دادن یا استفاده از اشیا مربوط می‌شود. هوش عمومی (یا هوش مصنوعی قوی) هنوز یکی از اهداف بلندمدت است. روش‌هایی که در حال حاضر محبوبیت دارند، عبارتند از روش‌های آماری، هوش محاسباتی و هوش مصنوعی سمبولیک سنتی. در هوش مصنوعی از ابزارهای متنوعی استفاده شده که شامل نسخه‌هایی از بهینه‌سازی تحقیق و ریاضیات، منطق، روش‌های مبتنی بر احتمالات و اقتصاد و بسیاری موارد دیگر می‌شود. این رشته مبتنی بر این ادعاست که توانایی اصلی انسان، هوش را می‌توان به گونه‌ای دقیق توصیف کرد که دستگاه‌ها هم قادر به شبیه‌سازی آن باشند. این ادعا مسائل فلسفی را درباره ماهیت ذهن و مشکل اخلاقی خلق موجودات مصنوعی دوباره زنده می‌کند که از دیرباز در اسطوره‌ها، افسانه‌ها و فلسفه به آنها پرداخته شده است. هوش مصنوعی همواره با خوش‌بینی همراه بوده اما شکست‌هایی را نیز تجربه کرده است. امروزه هوش مصنوعی به بخشی ضروری از صنعت فناوری و بسیاری از دشوارترین مسائل علوم کامپیوتر تبدیل شده است.

طبقه‌بندی هوش مصنوعی
یادگیری ماشین

یادگیری ماشین (Machine Learning) شاخه‌ای از هوش مصنوعی است که به مطالعه و ساخت سیستم‌هایی با قابلیت یادگیری از داده‌ها می‌پردازد. به طور مثال، به کمک سیستم یادگیری ماشین می‌توان یک سیستم مدیریت ایمیل را آموزش داد تا پیام‌های هرزنامه را از دیگر پیام‌ها تشخیص دهد. این سیستم پس از یادگیری می‌تواند به دسته‌بندی ایمیل‌های جدید به هرزنامه و غیر آن بپردازد.
مساله اصلی در یادگیری ماشین، عرضه و کلی‌سازی است. عرضه نمونه‌های داده‌ای و توابعی که بر اساس این نمونه‌ها ارزیابی می‌شوند، همگی بخشی از سیستم‌های یادگیری ماشین هستند. کلی‌سازی به معنی این قابلیت است که سیستم روی نمونه‌های داده‌ای نادیده نیز به خوبی عمل خواهد کرد. شرایطی که تحت آنها بتوان این مساله را تضمین کرد، از موضوعات اصلی مطالعه در زیرمجموعه نظریه یادگیری محاسباتی است.
انواع گسترده ای از فعالیت‌ها و کاربردهای موفق یادگیری ماشین وجود دارد. تشخیص اپتیکال کاراکتر که در آن کاراکترهای چاپی به صورت خودکار و بر اساس نمونه‌های قبلی شناخته می‌شوند، مثالی سنتی از یادگیری دستگاه است.

بینایی ماشین

بینایی ماشین (Machine Vision) فناوری و روش‌های مورد استفاده برای بهبود شناسایی و تحلیل خودکار مبتنی بر تصویر در کاربردهایی مانند بازرسی خودکار، کنترل روند و هدایت روبات در صنعت است. حوزه بینایی ماشین بسیار گسترده است. کاربرد اصلی بینایی ماشین در بازرسی خودکار و هدایت روبات‌های صنعتی است، همچنین برخی کاربردهای رایج بینایی ماشین در تضمین کیفیت، دسته‌بندی، کار با مواد، هدایت روبات‌ها و اندازه‌گیری نوری است.
روش‌های بینایی ماشین به دو صورت تعریف می‌شوند، تعریف و ایجاد یک برنامه بینایی ماشین و نیز روندی فنی که در جریان اجرای این برنامه اتفاق می‌افتد. در اینجا به مورد دوم می‌پردازیم. این مساله شامل رابط‌های کاربری، رابط‌های ادغام سیستم‌های چندبخشی و تبادل داده اتوماتیک می‌شود. به هر حال، اولین قدم در جریان اجرای بینایی ماشین، گرفتن یک تصویر است که معمولا با استفاده از دوربین، لنز و نورپردازی انجام می‌شود و باید وضوح مورد نیاز در پردازش‌های بعدی در طراحی آن لحاظ شده باشد. سپس بسته نرم‌افزاری بینایی ماشین از تکنیک‌های مختلف پردازش تصویر دیجیتال استفاده کرده و اطلاعات مورد نیاز را استخراج و معمولا بر اساس اطلاعات استخراج‌شده تصمیم‌گیری (معمولا تایید/رد) می‌کند.

پردازش زبان طبیعی

پردازش زبان طبیعی (Natural Language Processing) یکی از حوزه‌های علوم کامپیوتر، هوش مصنوعی و زبانشناسی است که به تعامل کامپیوتر و زیان انسان (طبیعی) می‌پردازد. از این منظر پردازش زبان طبیعی به حوزه تعامل انسان-کامپیوتر مربوط می‌شود. بسیاری از چالش‌های پردازش زبان طبیعی به درک زبان طبیعی مربوط می‌شود – یعنی ایجاد توانایی در کامپیوتر برای استخراج مفهوم ورودی زیان انسانی یا طبیعی.
با وجود فعالیت‌های قدیمی‌تر، تاریخچه پردازش زبان طبیعی عموما در دهه ۱۹۵۰ آغاز شد. در سال ۱۹۵۰ آلن تورینگ مقاله‌ای را با عنوان «هوش و دستگاه محاسباتی» منتشر و در آن، آنچه را امروز به تست تورینگ موسوم است، به عنوان ابزاری برای هوش معرفی کرده بود.

روباتیک

روباتیک شاخه‌ای از فناوری است که به طراحی، ساخت، عملیات و کاربرد روبات‌ها و سیستم‌های کامپیوتری برای کنترل، فیدبک حسگرها و پردازش اطلاعات می‌پردازد. این فناوری‌ها با دستگاه‌های خودکاری سر و کار دارند که می‌توانند جانشین انسان در محیط‌ها یا روندهای تولیدی خطرناک‌ شوند یا ظاهر، رفتار و درک انسانی را شبیه‌سازی کنند. بسیاری از روبات‌های امروزی از طبیعت الهام گرفته‌اند که به شاخه روباتیک ملهم از بیولوژی مربوط می‌شوند. مفهوم ایجاد ماشین‌هایی که بتوانند خودکار کار کنند، به زمان‌های دور برمی‌گردد اما تحقیق روی عملیاتی کردن و کاربردهای احتمالی روبات‌ها از قرن بیستم آغاز شد. در طول تاریخ، روبات‌ها به تقلید رفتار انسانی شناخته شده و توانسته‌اند کارهای مشابهی نیز انجام دهند. امروزه و با پیشرفت فناوری، رشته روباتیک با سرعت زیادی در حال پیشرفت است. تحقیق، طراحی و ساخت روبات‌های جدید با اهداف کاربردی متفاوت عمومی، تجاری یا نظامی انجام شده است. بسیاری از روبات‌ها کارهایی را انجام می‌دهند که برای انسان خطرناک است؛ مانند خنثی‌سازی بمب و مین و بازرسی لاشه کشتی.

سیستم‌های خبره

در هوش مصنوعی، یک سیستم خبره (Expert System) یک سیستم کامپیوتری است که توانایی تصمیم‌سازی یک انسان خبره را شبیه‌سازی می‌کند. سیستم‌های خبره برای حل مشکلات پیچیده از طریق استنتاج در دانش خبرگی همانند یک انسان خبره است نه پیروی از دستورالعمل‌های برنامه‌نویس، آن‌طور که در برنامه‌های معمولی است. اولین سیستم‌های خبره در دهه ۱۹۷۰ ایجاد شدند و در دهه ۱۹۸۰ توسعه یافتند. سیستم‌های خبره از اولین اشکال واقعا موفق نرم‌افزارهای هوش مصنوعی بودند.
سیستم خبره یک ساختار خاص، متفاوت از برنامه‌های کامپیوتری متداول است و به دو بخش تقسیم می‌شود؛ یک بخش ثابت، مستقل از سیستم خبره: موتور استنتاج و یک بخش متغیر: پایگاه دانش. در اجرای سیستم خبره، موتور همانند یک انسان بر اساس پایگاه دانش، استدلال می‌کند. در دهه ۸۰ بخش سومی هم ظاهر شد: رابط مکالمه برای ارتباط با کاربران. این توانایی برای مکالمه با کاربران بعدها به مکالمه‌ای شهرت یافت.

شبکه عصبی

شبکه عصبی (Neural Networks) مصنوعی گروهی از گره‌ها (نودها)ی به هم پیوسته، همانند شبکه عصبی گسترده در مغز است. در اینجا هر کدام از نودهای دایره‌شکل نشان‌دهنده یک عصب مصنوعی و فلش‌ها نشانگر اتصال از خروجی یک عصب به ورودی عصب دیگر هستند.
در علوم کامپیوتر و رشته‌های مربوطه، شبکه‌های عصبی مصنوعی مدل‌هایی الهام‌گرفته شده از سیستم عصبی مرکزی حیوانات (به ویژه مغز) هستند که توانایی یادگیری دستگاه و تشخیص الگو را دارند. این شبکه‌ها معمولا سیستمی از عصب‌های به هم پیوسته‌اند که می‌توانند مقادیر ورودی را با تزریق اطلاعات در شبکه محاسبه کنند.
به طور مثال در شبکه عصبی تشخیص دست‌خط، مجموعه‌ای از عصب‌های ورودی با پیکسل‌های تصویر ورودی فعال می‌شوند که نماینده یک حرف یا عدد است. فعال شدن این عصب‌ها بر اساس تابعی که توسط طراح شبکه تعیین شده، به دیگر عصب‌ها منتقل، ارزیابی یا تغییر داده می‌شود تا نهایتا عصب خروجی فعال شود و تعیین کند چه کاراکتری خوانده شده است.
همانند دیگر روش‌های یادگیری ماشین، شبکه‌های عصبی هم در انواع فعالیت‌هایی استفاده می‌شوند که انجام آنها با برنامه‌نویسی قراردادی معمولی دشوار است؛ از جمله بینایی ماشین و تشخیص صحبت.

الگوریتم ژنتیک

در شاخه هوش مصنوعی از رشته علوم کامپیوتر، یک الگوریتم ژنتیک (Genetic Algorithm) یک جست‌وجوی مکاشفه‌ای است که روند انتخاب طبیعی را شبیه‌سازی می‌کند. این کاشف (که گاهی متامکاشفه نیز نامیده می‌شود)، به صورت معمول برای ایجاد راه‌حل‌های مفید در مسائل بهینه‌سازی و جست‌وجو استفاده می‌شود. الگوریتم‌های ژنتیکی به طبقه‌ای بزرگ‌تر از الگوریتم‌های تکاملی (Evolutionary Algorithm) تعلق دارند که با استفاده از تکنیک‌های الهام‌گرفته از تکامل طبیعی، مانند ارث‌بری، جهش، انتخاب و عبور، راه‌حل‌هایی را برای مسائل بهینه‌سازی تولید می‌کنند.
الگوریتم‌های ژنتیکی در بیوانفورماتیک، فیلوژنتیک، علوم محاسباتی، مهندسی، اقتصاد، شیمی، تولید، فیزیک، ریاضیات، داروشناسی و دیگر موارد کاربرد دارد

کد تخفیف 

Ramezan98

15% تخفیف برای همه دانلود ها  به مدت محدود 

آموزش  ++C

فرمت PDF

دانلود رایگان 

لینک دانلود 

1500 واژه  پرکاربرد در زبان انگلیسی 

 لینک دانلود 

دانلود رایگان

اینتل در جریان کامپیوتکس ۲۰۱۷ از پردازنده‌ی جدید ۱۸ هسته‌ای خود با نام Core i9 رونمایی کرد که رقابت بین این کمپانی و اِی اِم دی را بیش از پیش گرم‌ می‌کند.

با رونمایی از پردازنده‌ی Core i9 اینتل، رقابت بین این کمپانی و AMD بیش از پیش جذاب‌ می‌شود. اینتل ساعاتی پیش در جریان برگزاری نمایشگاه کامپیوتکس ۲۰۱۷ تایوان از پردازنده‌ی جدید ۱۸ هسته‌ای خود رونمایی کرد. پردازنده‌ی Core i9 را باید پاسخ اینتل به پردازنده‌ی ۱۶ هسته‌ای با پشتیبانی از ۳۲ ترد پردازشی AMD بدانیم. پردازنده‌ی جدید اینتل از وجود ۱۸ هسته‌ی پردازشی بهره می‌برد که این تعداد هسته از ۳۶ ترد پردازشی پشتیبانی می‌کنند.

پردازنده‌ی جدید اینتل با نام Core i9 Extreme Edition i9-7980XE شناخته می‌شود و به گفته‌ی اینتل، اولین پردازنده‌ی ترافلاپی برای پی‌سی‌ها است. قیمت این پردازنده ۱۹۹۹ دلار است و اواخر سال جاری میلادی راهی بازار خواهد شد. البته این سری از پردازنده‌های Core i9 دارای نمونه‌های رده پایین نیز خواهند بود که شامل نسخه‌های ۱۶، ۱۴، ۱۲ و ۱۰ هسته‌ای می‌شوند و قیمت آن‌ها از ۹۹۹ تا ۱۶۹۹ دلار متغیر خواهد بود. پردازنده‌های Core i9 اینتل جزو سری اسکای‌لیک اینتل هستند و از این‌رو در مقایسه با پردازنده‌های Broadwell-E، برتری‌هایی دارند که نتیجه‌ی آن ۱۵ درصد سرعت پردازشی بیشتر در حالت تک تردی و ۱۰ درصد سرعت پردازشی بیشتر در حالت مالتی ترد است.

پردازنده‌های جدید Core i9 اینتل با فناوری به‌روز شده‌ی این کمپانی که Turbo Boost Max technology 3.0 نام دارد، همراه شده‌اند. با استفاده از این فناوری، دو هسته‌ از مجموع تمام هسته‌های پردازنده به‌صورت داینامیک از امکان اورکلاک شدن در زمان نیاز، برخوردار هستند. این پردازنده از فناوری اپتان اینتل نیز پشتیبانی می‌کند. در حال حاضر بیش از ۱۳۰ مدل مادربورد با پشتیبانی از فناوری اپتان اینتل در بازار وجود دارند.

به‌طور حتم رونمایی از پردازنده‌ی Core i9، رقابت دو کمپانی AMD و Intel را در بازار پردازنده‌ها بسیار گرم‌تر از پیش می‌کند. از سویی دیگر، رونمایی از پردازنده‌ی Core i9 را باید یکی از مهم‌ترین اتفاقاتی خواند که در کامپیوتکس ۲۰۱۷ شاهد آن بودیم. البته این پایان ماجرا نیست؛ چراکه بنا بر اطلاعات ارائه‌شده، اینتل در نظر دارد در آینده‌ی نزدیک پردازنده‌های ۱۰ نانومتری کانن‌لیک خود را نیز رونمایی کند که بنا بر شنیده‌ها، از نظر قدرت عملکرد پردازشی ۳۰ درصد بهتر از پردازنده‌های سری کبی‌ لیک خواهند بود.

فرکانس پردازشی هسته‌های پردازنده‌ی جدید اینتل بالای ۴.۰ گیگاهرتز خواهد بود. چالش اصلی پیش روی تولیدکنندگان پردازنده‌، استفاده از سایر هسته‌های پردازشی است؛ چراکه هنوز بسیاری از بازی‌های کامپیوتری وابستگی زیادی به عملکرد یک هسته‌ی پردازشی دارند. اینتل با درک این موضوع، سایر هسته‌های پردازشی خود را به‌منظور استریم بازی‌ها مورد استفاده قرار داده است؛ به‌طوری‌که با استفاده از پردازنده‌های جدید اینتل می‌توان در زمان انجام بازی، به‌راحتی آن را در سرویس‌هایی نظیر توئیچ یا یوتیوب استریم کرد و وظیفه‌ی کدگذاری برای استریم بر عهده‌ی سایر هسته‌های پردازشی خواهد بود.

قیمت پردازنده‌های سری Core i9 اینتل به ترتیب زیر خواهد بود:

• Core i9-7980XE با ۱۸ هسته و ۳۶ ترد پردازشی: ۱۹۹۹ دلار
• Core i9-7960XE با ۱۶ هسته و ۳۲ ترد پردازشی: ۱۶۹۹ دلار
• Core i9-7940XE با ۱۴ هسته و ۲۸ ترد پردازشی: ۱۳۹۹ دلار
• Core i9-7920XE با ۱۲ هسته و ۲۴ ترد پردازشی: ۱۱۹۹ دلار
• Core i9-7900XE با ۱۰ هسته و ۲۰ ترد پردازشی: ۹۹۹ دلار

پردازنده‌های جدید ۱۶۵، ۱۴۰ و ۱۱۲ واتی اینتل مبتنی بر سوکت R4 اینتل توسعه یافته‌اند. سوکت LGA که از وجود ۲۰۶۶ پین بهره می‌برد، تنها با یک چیپ‌ست اینتل سازگار است و آن چیزی نیست جز X299. به‌طور حتم در پردازنده‌های پی‌سی با قدرت محاسباتی ترافلاپی نیاز مبرمی به ارسال و دریافت سریع اطلاعات به سایر قسمت‌های پی‌سی وجود دارد و از این‌رو چیپ‌ست X299 بهترین گزینه‌ی اینتل بوده است

الگوریتم  و فلوچارت     

لینک دانلود 

تشریح کامل الگوریتم فلوچارت سر فصل ها :

فصل اول :الگوریتم ها 

فصل دوم :تعریف فلوچارت 

فصل سوم :آرایه 

فصل چهارم :مرتب کردن جستجوی اطلاعات 

فصل پنجم:زیر الگوریتم ها 

شامل 227 صفحه  به زبان فارسی 

دانلود رایگان 

اپلیکشن قرآن_صوتی

لینک دانلود 

دانلود رایگان