توضیحات

صفر تا صد یادگیری تقویتی در یادگیری ماشین

نام دوره : Reinforcement Learning beginner to master – AI in Python

پیش نیاز:

• با برنامه نویسی در پایتون راحت باشید
• آشنایی با جبر خطی و حساب دیفرانسیل و انتگرال (ماتریس ها، بردارها، تعیین کننده ها، مشتقات و غیره)
• آمار اولیه و نظریه احتمال (میانگین، واریانس، توزیع نرمال و غیره) را بدانید.

توضیحات:

این کامل ترین دوره آموزشی تقویتی Udemy است.

در آن شما اصول یادگیری تقویتی، یکی از سه پارادایم هوش مصنوعی مدرن را خواهید آموخت.

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

همچنین یاد خواهید گرفت که این الگوریتم ها را با تکنیک های یادگیری عمیق و شبکه های عصبی ترکیب کنید و شاخه ای به نام یادگیری تقویتی عمیق را ایجاد کنید.

این دوره پایه و اساس لازم را در اختیار شما قرار می دهد تا بتوانید الگوریتم های جدید را هنگام ظهور درک کنید.

همچنین شما را برای دوره‌های بعدی این مجموعه آماده می‌کند، که در آن به شاخه‌های مختلف یادگیری تقویتی عمیق‌تر خواهیم رفت و به برخی از الگوریتم‌های پیشرفته‌تر موجود نگاه خواهیم کرد.

این دوره 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.

دوره صفر تا صد یادگیری تقویتی در یادگیری ماشین در سه بخش تشکیل شده و موضوعات زیر را پوشش می دهد:

بخش 1 (روش های جدولی):

• – فرآیند تصمیم گیری مارکوف
• – برنامه نویسی پویا
• – روش های مونت کارلو
• – روش های اختلاف زمانی (SARSA، Q-Learning)
• – راه اندازی N-step

بخش 2 (فضاهای حالت پیوسته):

• – تجمیع دولت
• – کدگذاری کاشی

بخش 3 (یادگیری تقویتی عمیق):

• – SARSA عمیق
• – یادگیری عمیق Q
• – تقویت کردن
• – Advantage Actor-Critic / A2C (Advantage Actor-Critic / روش A2C)

دوره صفر تا صد یادگیری تقویتی در یادگیری ماشین 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.
• محققان/دانشمندانی که به دنبال تقویت مهارت های کدنویسی عملی خود هستند.

بخشی از دوره :