توضیحات
دوره Introduction to Reinforcement Learning (RL). این دوره شما را به دنیای جذاب یادگیری تقویتی عمیق (Deep Reinforcement Learning) می‌برد. این دوره جامع و عملی برای مبتدیان و علاقه‌مندانی طراحی شده است که می‌خواهند تکنیک‌های یادگیری تقویتی را با پایتورچ به طور کامل یاد بگیرند. بدون نیاز به پیش‌نیاز خاصی، ما مفاهیم بنیادی را پوشش می‌دهیم – از جمله توابع ارزش، توابع ارزش-عمل و معادله بلمن – تا پایه نظری قوی‌ای برای شما فراهم کنیم.
آنچه در این دوره فرا خواهید گرفت:
- بازی‌های آتاری با یادگیری تقویتی عمیق: کشف کنید که چگونه عامل‌های یادگیری تقویتی بازی‌های کلاسیک آتاری را یاد می‌گیرند و مفاهیم پیشگامانه پشت موج اول یادگیری Q عمیق را درک کنید.
- کنترل در سطح انسان با یادگیری تقویتی عمیق: نگاهی دقیق‌تر به نحوه عملکرد شبکه‌های Q عمیق (DQNs) بیندازید که چگونه عملکردی در سطح انسان به دست آوردند و حوزه یادگیری تقویتی را متحول کردند.
- روش‌های ناهمزمان برای یادگیری تقویتی عمیق: روش‌های بازیگر-منتقد مزیت ناهمزمان (A3C) را که هم پایداری و هم عملکرد را در یادگیری تقویتی بهبود بخشیدند و به عامل‌ها اجازه دادند سریع‌تر و مؤثرتر یاد بگیرند، بررسی کنید.
- الگوریتم‌های بهینه‌سازی سیاست تقریبی (PPO): PPO را که یکی از قدرتمندترین و کارآمدترین الگوریتم‌های مورد استفاده در تحقیقات و کاربردهای پیشرفته یادگیری تقویتی است، به طور کامل یاد بگیرید.
این دوره برای چه کسانی است؟
- این دوره غنی از جلسات عملی کدنویسی است که در آن هر الگوریتم را از ابتدا با پایتورچ پیاده‌سازی خواهید کرد. در پایان، شما یک مجموعه پروژه و درک کاملی از هر دو نظریه و عمل یادگیری تقویتی عمیق خواهید داشت.
آنچه که در دوره Introduction to Reinforcement Learning (RL) فرا خواهید گرفت
- مفاهیم اصلی یادگیری تقویتی
- پیاده‌سازی الگوریتم‌های یادگیری تقویتی در پایتورچ
- ساخت عامل‌هایی برای بازی کردن بازی‌های آتاری
- بررسی روش‌های مبتنی بر سیاست و مبتنی بر ارزش
- تسلط بر اکتشاف در مقابل بهره‌برداری
این دوره مناسب افرادیست که
- محققان و دانشگاهیان هوش مصنوعی
- توسعه‌دهندگان بازی و مهندسان شبیه‌سازی
- دانشجویان تحصیلات تکمیلی در هوش مصنوعی و یادگیری ماشین
- دانشمندان داده و مهندسان یادگیری ماشین
- علاقه‌مندان مبتدی به یادگیری ماشین
- توسعه‌دهندگان نرم‌افزاری که به دنبال کاوش در هوش مصنوعی هستند
توجه: از معادل‌های فارسی برای کلمات تخصصی استفاده نشده تا درک عمیق‌تری از مفاهیم برای مخاطب فارسی‌زبان فراهم شود.
مشخصات دوره Introduction to Reinforcement Learning (RL)
- ناشر: Udemy
- مدرس: Maxime Vandegar
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 7 ساعت و 26 دقیقه
- تعداد دروس: 37
سرفصل های دوره در تاریخ 2024/12
پیشنیازهای دوره Introduction to Reinforcement Learning (RL)
- Basic Machine Learning Knowledge
تصاویر دوره
نمونه فیلم دوره
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 720p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
4.04 گیگابایت
