توضیحات
Advanced Reinforcement Learning in Python: from DQN to SAC ، دوره پیشرفته یادگیری تقویتی در پایتون از DQN تا SAC توسط آکادمی یودمی منتشر شده است. این کامل ترین دوره یادگیری تقویتی پیشرفته در Udemy است. در این دوره برخی از قدرتمندترین الگوریتم های یادگیری عمیق در پایتون را با استفاده از PyTorch و PyTorch lightning آموزش میبینید. شما از ابتدا الگوریتم های تطبیقی را پیاده سازی خواهید کرد که وظایف کنترلی را براساس 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 با قابلیت حل وظایف تصمیم گیری ایجاد کنید.
این دوره شما را با پیشرفته ترین تکنیک های یادگیری تقویتی آشنا می کند و همچنین شما را برای دوره های بعدی این مجموعه که به بررسی دیگر روش های پیشرفته ای که در دیگر کارها برتری دارند، آماده میکند. این دوره بر توسعه مهارت های عملی متمرکز است؛ بنابراین، پس از یادگیری مهم ترین مفاهیم هر خانواده از متدها، یک یا چند الگوریتم را از ابتدا در jupyter notebooks پیاده سازی میکنید.
- یادآوری : فرآیند تصمیم گیری مارکوف (MDP)
- یادآوری : Q-Learning
- یادآوری : آشنایی مختصر با شبکه های عصبی
- یادآوری : Deep Q -Learning
- یادآوری : روش های گرادیان خط مشی ( Policy gradient )
یادگیری تقویتی پیشرفته :
- PyTorch Lightning
- تنظیم هایپرپارامتر با اپتونا
- یادگیری عمیق برای فضاهای کنش پیوسته ( تابع مزیت نورمالیزه شده – NAF)
- گرادیان خط مشی تعیین کننده عمیق ( DDPG)
- DDPG تاخیری مزدوج ( TD3)
- بازیگر- منتقد ساده
- Hindsight Experience Replay (HER)
آنچه خواهید آموخت
- با برخی از پیشرفته ترین الگوریتم های یادگیری تقویتی آشنا می شوید
- یاد می گیرید چگونه هوش مصنوعی بسازید که بتواند در یک محیط پیچیده برای رسیدن به اهداف خود عمل کند.
- ایجاد عوامل یادگیری تقویتی پیشرفته با استفاده از محبوب ترین ابزارهای پایتون
- یاد بگیرید که چگونه تنظیم هایپرپارامتر را انجام دهید (تعیین بهترین شرایط آزمایشگاهی برای یادگیری هوش مصنوعی )
- فرآیند یادگیری هر الگوریتم را پایه ایی درک کنید.
- اشکال زدایی و گسترش الگوریتم های ارائه شده.
- درک و پیاده سازی الگوریتم های جدید از مقالات پژوهشی
این دوره برای چه کسانی مناسب است
- توسعه دهندگانی که می خواهند در یادگیری ماشینی کار کنند
- دانشمندان داده و متخصصان ML که به دنبال گسترش وسعت دانش خود هستند.
- دانشجویان و محققان رباتیک
- دانشجویان و محققان مهندسی
مشخصات دوره Advanced Reinforcement Learning in Python: from DQN to SAC
- ناشر : Udemy
- مدرس : Escape Velocity Labs
- زبان: انگلیسی
- سطح آموزش : تمام سطوح
- تعداد دروس : 122
- مدت زمان آموزش : 8 ساعت و 7 دقیقه
سر فصل های دوره Advanced Reinforcement Learning in Python: from DQN to SAC 2022-12
پیش نیاز های دوره
- Be comfortable programming in Python
- Completing our course “Reinforcement Learning beginner to master” or being familiar with the basics of Reinforcement Learning (or
- watching the leveling sections included in this course).
- Know basic statistics (mean, variance, normal distribution)
تصاویر
فیلم نمونه
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: انگلیسی
کیفیت: 720p
نسخه 2025/5 نسبت به 2022/4 به تعداد 10 درس افزایش و مدت زمان 2 دقیقه افزایش داشته است.
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
1.08 گیگابایت
4 دیدگاه. همین الان خارج شوید
سلام.کورس سوم پیشرفته این سری
Advanced Reinforcement Learning: policy gradient methods
ایا امکان قراردادنش در سایت هست؟
سلام
محبوب نیست.
کورس آپدیت شده و الگوریتم های کاملا جدیدی اضافه شده. این ورژن قدیمی خیلی استفاده ندارد. اگر امکانش هست آپدیت شود.
سلام
آپدیت در دسترس نیست.