Final grades are based on performance in assignments, exams, and attendance as indicated below.

• Midterm Exam : 20%

• Quiz : 10%

• Research : 20%

• Final Exam : 55%  

1.       هوش مصنوعي چيست؟

• بررسي تعاريف متعدد هوش مصنوعي
• اهداف ، ابزار و تکنيک هاي هوش مصنوعي

2.       عوامل هوشمند

• تعاريف اوليه عوامل و ويژگيهاي آنها    
• محيط ها
• ساختار و عملکرد عاملين هوشمند

3.       حل مساله

• حل مساله از طريق جستجو
• فرموله کردن مسائل
• روشهاي جستجو و بررسي روشهاي جستجوي ناآگاهانه

4.       روشهاي جستجو آگاهانه

• جستجوي Best-First
• توابع Heuristic
• جستجوي حافظه محدود و ساير روشهاي جستجوي بهبوديافته
• مسائل ارضاء محدوديت
• جستجوي رقابتي (تئوري بازيها)

5.       عاملين مبتني بر دانش

• عاملين که منطقي استدلال مي کنند
• نمايش منطق
• منطق گزاره اي و استدلال منطقي

6.       منطق مرتبه اول

• استنتاج در اين منطق
• قوانين استنتاج
• استنتاج زنجيره اي به جلو و عقب

7.       برنامه ريزي

• از حل مساله به برنامه ريزي
• نمايشهاي ساده براي برنامه ريزي

8.       عدم قطعيت

• نحوه عملکرد در شرايط عدم قطعيت -  قضيه بيزين (Bayesian)

• کاربرد و نحوه استحصال احتمالات

• http://aima.cs.berkeley.edu/
• http://www.aaai.org/
• http://www.jair.org/
• http://ai-depot.com/
• http://www.a-i.com/

• Neural Network (شبکه های عصبی)
• Evolutionary Computation (محاسبات تکاملی)
• Fuzzy Systems (سیستم های فازی)
• Genetic Algorithms (الگوریتم های ژنتیک)
• Ants Colony (کلونی مورچه ها)
• Data Mining (داده کاوی)
• Concept Mining (کاوش مفهوم)
• Text Mining (کاوش متن)
• Machine Translation (ترجمه ماشین)
• Pattern Recognition (شناسایی الگو)
• Face Recognition (شناسایی صورت)
• Image Recognition (شناسایی تصویر)
• Natural Language Processing (پردازش زبان طبیعی)
• Machine Learning (یادگیری ماشین)
• Expert Systems (سیستمهای خبره)