کتاب صوتی کارایی هوش مصنوعی در موتورهای بازی: الگوریتم‌های یادگیری و تصمیم‌گیری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کارایی هوش مصنوعی در موتورهای بازی: الگوریتم‌های یادگیری و تصمیم‌گیری

موضوع کلی: توسعه موتور بازی

موضوع میانی: کارایی و مقیاس پذیری

📋 سرفصل‌های دوره

• 1. فصل ۱: مقدمه ای بر هوش مصنوعی در بازی
• 2. فصل ۲: مروری بر موتورهای بازی
• 3. فصل ۳: مفاهیم پایه هوش مصنوعی
• 4. فصل ۴: یادگیری ماشین در بازی
• 5. فصل ۵: یادگیری تقویتی (Reinforcement Learning)
• 6. فصل ۶: شبکه‌های عصبی عمیق (Deep Neural Networks)
• 7. فصل ۷: یادگیری عمیق تقویتی (Deep Reinforcement Learning)
• 8. فصل ۸: الگوریتم‌های جستجو در بازی
• 9. فصل ۹: الگوریتم‌های درخت بازی (Game Tree Algorithms)
• 10. فصل ۱۰: الگوریتم مینی‌ماکس (Minimax Algorithm)
• 11. فصل ۱۱: آلفا-بتا هرس (Alpha-Beta Pruning)
• 12. فصل ۱۲: شبیه‌سازی مونت کارلو (Monte Carlo Simulation)
• 13. فصل ۱۳: درخت جستجوی مونت کارلو (Monte Carlo Tree Search - MCTS)
• 14. فصل ۱۴: الگوریتم‌های برنامه‌ریزی (Planning Algorithms)
• 15. فصل ۱۵: برنامه‌ریزی مبتنی بر هدف (Goal-Oriented Planning)
• 16. فصل ۱۶: درخت رفتار (Behavior Trees)
• 17. فصل ۱۷: ماشین‌های حالت محدود (Finite State Machines - FSMs)
• 18. فصل ۱۸: گراف‌های رفتاری (Behavior Graphs)
• 19. فصل ۱۹: سیستم‌های مبتنی بر قاعده (Rule-Based Systems)
• 20. فصل ۲۰: منطق فازی (Fuzzy Logic)
• 21. فصل ۲۱: هوش مصنوعی مولد (Generative AI)
• 22. فصل ۲۲: تولید محتوای بازی با هوش مصنوعی
• 23. فصل ۲۳: طراحی شخصیت‌های غیرقابل بازی (NPCs) هوشمند
• 24. فصل ۲۴: رفتار شخصیت‌های غیرقابل بازی
• 25. فصل ۲۵: مسیریابی (Pathfinding) در بازی
• 26. فصل ۲۶: الگوریتم A* (A-Star Algorithm)
• 27. فصل ۲۷: مسیریابی مبتنی بر گراف (Graph-Based Pathfinding)
• 28. فصل ۲۸: تشخیص برخورد (Collision Detection)
• 29. فصل ۲۹: سیستم‌های مبتنی بر عامل (Agent-Based Systems)
• 30. فصل ۳۰: تعامل عامل‌ها با محیط
• 31. فصل ۳۱: هوش جمعی (Swarm Intelligence)
• 32. فصل ۳۲: کاربرد هوش جمعی در بازی
• 33. فصل ۳۳: سیستم‌های توصیه‌گر (Recommender Systems) در بازی
• 34. فصل ۳۴: شخصی‌سازی تجربه بازیکن
• 35. فصل ۳۵: پیش‌بینی رفتار بازیکن
• 36. فصل ۳۶: تشخیص تقلب (Cheating Detection)
• 37. فصل ۳۷: هوش مصنوعی در بازی‌های استراتژیک
• 38. فصل ۳۸: هوش مصنوعی در بازی‌های نقش‌آفرینی (RPG)
• 39. فصل ۳۹: هوش مصنوعی در بازی‌های تیراندازی (FPS)
• 40. فصل ۴۰: هوش مصنوعی در بازی‌های ورزشی
• 41. فصل ۴۱: هوش مصنوعی در بازی‌های پازل
• 42. فصل ۴۲: هوش مصنوعی در بازی‌های شبیه‌سازی
• 43. فصل ۴۳: هوش مصنوعی در بازی‌های چند نفره (Multiplayer Games)
• 44. فصل ۴۴: مسائل مربوط به مقیاس‌پذیری در هوش مصنوعی بازی
• 45. فصل ۴۵: بهینه‌سازی عملکرد هوش مصنوعی
• 46. فصل ۴۶: معماری‌های یادگیری عمیق برای بازی
• 47. فصل ۴۷: شبکه‌های مولد تخاصمی (GANs) در بازی
• 48. فصل ۴۸: یادگیری اکتشافی (Exploration) در یادگیری تقویتی
• 49. فصل ۴۹: یادگیری بهره‌برداری (Exploitation) در یادگیری تقویتی
• 50. فصل ۵۰: نرخ یادگیری (Learning Rate)
• 51. فصل ۵۱: تابع پاداش (Reward Function)
• 52. فصل ۵۲: مدل‌های کارایی (Performance Models)
• 53. فصل ۵۳: معیارهای ارزیابی هوش مصنوعی بازی
• 54. فصل ۵۴: آزمون تیوی (Turing Test) در بازی
• 55. فصل ۵۵: ارزیابی بصری رفتار هوش مصنوعی
• 56. فصل ۵۶: ابزارهای توسعه هوش مصنوعی بازی
• 57. فصل ۵۷: موتورهای بازی با قابلیت‌های هوش مصنوعی
• 58. فصل ۵۸: کتابخانه‌های هوش مصنوعی برای توسعه بازی
• 59. فصل ۵۹: زبان‌های برنامه‌نویسی برای هوش مصنوعی بازی
• 60. فصل ۶۰: چالش‌های اخلاقی در هوش مصنوعی بازی
• 61. فصل ۶۱: سوگیری (Bias) در داده‌های آموزشی
• 62. فصل ۶۲: شفافیت (Transparency) در تصمیم‌گیری هوش مصنوعی
• 63. فصل ۶۳: مسئولیت‌پذیری (Accountability) در هوش مصنوعی بازی
• 64. فصل ۶۴: آینده هوش مصنوعی در صنعت بازی
• 65. فصل ۶۵: هوش مصنوعی قابل توضیح (Explainable AI - XAI)
• 66. فصل ۶۶: هوش مصنوعی همراه (Companion AI)
• 67. فصل ۶۷: یادگیری فدرال (Federated Learning) در بازی
• 68. فصل ۶۸: یادگیری انتقالی (Transfer Learning) در بازی
• 69. فصل ۶۹: پردازش زبان طبیعی (NLP) در بازی
• 70. فصل ۷۰: تولید دیالوگ با هوش مصنوعی
• 71. فصل ۷۱: درک زبان طبیعی توسط هوش مصنوعی
• 72. فصل ۷۲: هوش مصنوعی برای تنظیم سختی بازی (Dynamic Difficulty Adjustment)
• 73. فصل ۷۳: تولید مراحل بازی (Procedural Content Generation - PCG)
• 74. فصل ۷۴: PCG مبتنی بر هوش مصنوعی
• 75. فصل ۷۵: هوش مصنوعی در تست بازی
• 76. فصل ۷۶: تست خودکار بازی با هوش مصنوعی
• 77. فصل ۷۷: شبیه‌سازی سناریوهای پیچیده
• 78. فصل ۷۸: هوش مصنوعی برای تحلیل داده‌های بازیکن
• 79. فصل ۷۹: شخصی‌سازی تبلیغات در بازی
• 80. فصل ۸۰: مدیریت اقتصاد بازی با هوش مصنوعی
• 81. فصل ۸۱: جلوگیری از رفتارهای مضر بازیکن
• 82. فصل ۸۲: هوش مصنوعی برای توسعه‌دهندگان بازی
• 83. فصل ۸۳: افزایش بهره‌وری توسعه‌دهندگان
• 84. فصل ۸۴: ابزارهای خودکارسازی وظایف
• 85. فصل ۸۵: خلاقیت و نوآوری با هوش مصنوعی
• 86. فصل ۸۶: هوش مصنوعی در طراحی رابط کاربری (UI)
• 87. فصل ۸۷: هوش مصنوعی در طراحی تجربه کاربری (UX)
• 88. فصل ۸۸: بهینه‌سازی گرافیک بازی با هوش مصنوعی
• 89. فصل ۸۹: هوش مصنوعی در شبیه‌سازی فیزیک
• 90. فصل ۹۰: هوش مصنوعی در صداگذاری بازی
• 91. فصل ۹۱: یادگیری تقویتی عمیق برای کنترل شخصیت
• 92. فصل ۹۲: یادگیری تقویتی عمیق برای استراتژی
• 93. فصل ۹۳: شبکه‌های مولد برای طراحی انیمیشن
• 94. فصل ۹۴: مدل‌های زبانی بزرگ (LLMs) در بازی
• 95. فصل ۹۵: کاربردهای LLMs در بازی
• 96. فصل ۹۶: آینده بازی‌های مبتنی بر هوش مصنوعی
• 97. فصل ۹۷: بازی‌های کاملاً خودکار
• 98. فصل ۹۸: تعامل انسان و هوش مصنوعی در بازی
• 99. فصل ۹۹: یادگیری مستمر (Continual Learning)
• 100. فصل ۱۰۰: مرزهای آینده هوش مصنوعی در موتورهای بازی