توضیحات

آموزش ساخت هوش مصنوعی با یادگیری تقویت شده در پایتون

نام دوره : Advanced Reinforcement Learning in Python: cutting-edge DQNs

دوره زیر به همراه این دوره پیشنهاد می شود:

ساخت هوش مصنوعی با یادگیری تقویت شده در پایتون | Advanced Reinforcement Learning in Python: from DQN to SAC

پیش نیاز:

• با برنامه نویسی در پایتون راحت باشید
•  آشنایی با اصول یادگیری تقویتی
• دانستن آمار پایه (میانگین، واریانس، توزیع نرمال)

توضیحات:

این کامل ترین دوره آموزش تقویتی پیشرفته در Udemy است.

در آن، پیاده سازی برخی از قدرتمندترین الگوریتم های یادگیری تقویتی عمیق در پایتون را با استفاده از PyTorch و PyTorch Lightning خواهید آموخت.

شما از ابتدا الگوریتم های تطبیقی ​​را پیاده سازی خواهید کرد که وظایف کنترلی را بر اساس تجربه حل می کنند.

شما یاد خواهید گرفت که این تکنیک ها را با شبکه های عصبی و روش های یادگیری عمیق ترکیب کنید تا عوامل هوش مصنوعی تطبیقی ​​ایجاد کنید که قادر به حل وظایف تصمیم گیری هستند.

این دوره شما را با آخرین فنون یادگیری تقویتی آشنا می کند.

دوره آموزش ساخت هوش مصنوعی با یادگیری تقویت شده در پایتون بر توسعه مهارت های عملی متمرکز است. بنابراین، پس از یادگیری مهم ترین مفاهیم هر خانواده از روش ها، یک یا چند الگوریتم آنها را در نوت بوک های jupyter، از ابتدا پیاده سازی می کنیم.

ماژول های سطح بندی:

• – Refresher: فرآیند تصمیم گیری مارکوف (MDP).
• – Refresher: Q-Learning.
• – Refresher: معرفی مختصر شبکه های عصبی.
• – Refresher: Deep Q-Learning.

آموزش تقویتی پیشرفته:

• – PyTorch Lightning.
• – تنظیم فراپارامتر با Optuna.
• – آموزش تقویتی با ورودی های تصویر
• – آموزش Q-Deep Double
• – دوئل عمیق Q-شبکه ها
• – تکرار تجربه اولویت‌دار (PER)
• – شبکه های کیو عمیق توزیعی
• – شبکه های Q-Deep Noisy
• – یادگیری Q عمیق N مرحله ای
• – Rainbow Deep Q-Learning

دوره آموزش ساخت هوش مصنوعی با یادگیری تقویت شده در پایتون برای چه کسانی است:

• توسعه دهندگانی که می خواهند در یادگیری ماشین شغلی پیدا کنند.
• دانشمندان/تحلیلگران داده و پزشکان ML به دنبال گسترش وسعت دانش خود هستند.
• دانشجویان و محققان رباتیک.
• دانشجویان و محققین مهندسی

بخشی از دوره :