اپلیکیشن اندرویدی فلش‌کارت آموزشی آموزش طراحی و پیاده‌سازی هوش مصنوعی پیشرفته در Unreal Engine

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب آموزش طراحی و پیاده‌سازی هوش مصنوعی پیشرفته در Unreal Engine

موضوع کلی: برنامه نویسی

موضوع میانی: توسعه بازی (Game Development)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه بر Unreal Engine و هوش مصنوعی
• 2. نصب و راه‌اندازی Unreal Engine
• 3. آشنایی با رابط کاربری Unreal Engine
• 4. مفاهیم پایه هوش مصنوعی
• 5. انواع هوش مصنوعی در بازی‌سازی
• 6. هوش مصنوعی مبتنی بر قوانین
• 7. هوش مصنوعی مبتنی بر یادگیری ماشین
• 8. هوش مصنوعی مولد
• 9. مقدمه بر سیستم Behavior Tree در Unreal Engine
• 10. ساخت یک Behavior Tree ساده
• 11. عناصر اصلی Behavior Tree (Tasks, Services, Decorators, Conditions)
• 12. پیاده‌سازی Task های سفارشی
• 13. استفاده از Service ها برای به‌روزرسانی وضعیت
• 14. کاربرد Decorator ها برای کنترل جریان
• 15. نوشتن Conditions برای تصمیم‌گیری
• 16. مفهوم State Machine و کاربرد آن
• 17. پیاده‌سازی State Machine در Unreal Engine
• 18. انتقال بین State ها
• 19. توابع و رویدادهای State Machine
• 20. مقدمه بر سیستم AI Perception در Unreal Engine
• 21. تنظیمات Perception Component
• 22. ایجاد Sense ها (Sight, Hearing, Touch)
• 23. مدیریت رویدادهای Perception
• 24. ایجاد AI Controller
• 25. ارتباط AI Controller با Pawn
• 26. مدیریت ورودی و خروجی AI Controller
• 27. مفهوم Navigation Mesh (NavMesh)
• 28. تولید و به‌روزرسانی NavMesh
• 29. تنظیمات NavMesh
• 30. استفاده از AI Move To برای حرکت کاراکتر
• 31. بهینه‌سازی مسیر حرکت
• 32. مدیریت موانع پویا
• 33. مقدمه بر سیستم EQS (Environment Query System)
• 34. ساخت Query ها
• 35. ایجاد Generators و Tests
• 36. اجرای Query ها و دریافت نتایج
• 37. کاربرد EQS در انتخاب بهترین موقعیت
• 38. استفاده از EQS برای تصمیم‌گیری‌های پیچیده
• 39. مقدمه بر یادگیری تقویتی (Reinforcement Learning)
• 40. مفاهیم پایه RL (Agent, Environment, State, Action, Reward)
• 41. الگوریتم‌های پایه RL (Q-Learning, SARSA)
• 42. پیاده‌سازی RL در Unreal Engine با استفاده از Python API
• 43. آموزش یک Agent ساده با RL
• 44. شبکه‌های عصبی کانولوشنال (CNN)
• 45. کاربرد CNN در تشخیص تصاویر
• 46. آموزش CNN برای تشخیص اجسام
• 47. استفاده از CNN در Unreal Engine برای بینایی ماشین AI
• 48. شبکه‌های عصبی بازگشتی (RNN)
• 49. کاربرد RNN در پردازش دنباله‌ها
• 50. آموزش RNN برای پیش‌بینی رفتار
• 51. استفاده از RNN در Unreal Engine برای مدیریت وضعیت‌های پیچیده
• 52. شبکه‌های مولد تخاصمی (GAN)
• 53. مفهوم Generator و Discriminator
• 54. آموزش GAN برای تولید محتوا
• 55. استفاده از GAN در Unreal Engine برای تولید بافت و مدل
• 56. مقدمه بر پردازش زبان طبیعی (NLP)
• 57. مفاهیم پایه NLP (Tokenization, Stemming, Lemmatization)
• 58. استفاده از کتابخانه‌های NLP در Python
• 59. پیاده‌سازی NLP در Unreal Engine برای درک دستورات
• 60. سیستم‌های توصیه‌گر (Recommender Systems)
• 61. انواع سیستم‌های توصیه‌گر (Collaborative Filtering, Content-Based Filtering)
• 62. پیاده‌سازی سیستم توصیه‌گر در Unreal Engine
• 63. بهینه‌سازی عملکرد هوش مصنوعی
• 64. تکنیک‌های پروفایلینگ و دیباگینگ
• 65. مدیریت حافظه و پردازش
• 66. بهینه‌سازی Behavior Tree و State Machine
• 67. بهینه‌سازی NavMesh و مسیر حرکت
• 68. بهینه‌سازی استفاده از Perception
• 69. بهینه‌سازی الگوریتم‌های یادگیری ماشین
• 70. استفاده از C++ برای بهینه‌سازی عملکرد
• 71. مقدمه بر هوش مصنوعی مولد برای طراحی محتوا
• 72. تولید خودکار مدل‌های سه‌بعدی
• 73. تولید خودکار بافت‌ها و متریال‌ها
• 74. تولید خودکار صداها و موسیقی
• 75. تولید خودکار انیمیشن‌ها
• 76. استفاده از هوش مصنوعی برای طراحی مراحل بازی
• 77. هوش مصنوعی برای شخصیت‌پردازی (Character AI)
• 78. رفتارهای پیچیده شخصیت‌ها
• 79. تعاملات اجتماعی بین NPC ها
• 80. سیستم‌های احساسات و انگیزه‌های NPC ها
• 81. هوش مصنوعی برای دشمنان (Enemy AI)
• 82. استراتژی‌های پیچیده دشمنان
• 83. تکامل و یادگیری دشمنان
• 84. هوش مصنوعی برای همراهان (Companion AI)
• 85. رفتار همکارانه همراهان
• 86. مدیریت وضعیت همراهان
• 87. هوش مصنوعی برای سیستم‌های اقتصادی بازی
• 88. تعادل اقتصادی مبتنی بر هوش مصنوعی
• 89. پیش‌بینی رفتار بازیکنان در اقتصاد بازی
• 90. هوش مصنوعی برای تست بازی (Game Testing AI)
• 91. تولید سناریوهای تست خودکار
• 92. یافتن باگ‌ها و مشکلات با هوش مصنوعی
• 93. هوش مصنوعی برای تحلیل رفتار بازیکنان
• 94. پیش‌بینی ریزش بازیکنان
• 95. شخصی‌سازی تجربه بازیکن با هوش مصنوعی
• 96. مقدمه بر سیستم‌های پیچیده هوش مصنوعی
• 97. معماری‌های ترکیبی هوش مصنوعی
• 98. ادغام چندین سیستم هوش مصنوعی
• 99. مدیریت وابستگی‌ها بین سیستم‌ها
• 100. هوش مصنوعی توزیع شده