1. صفحه اصلی
  2. »
  3. آموزش
  4. »
  5. آموزش تصویری
  6. »
  7. Udemy – Reinforcement Learning beginner to master – AI in Python 2025-5
Udemy - Reinforcement Learning beginner to master - AI in Python 2024-11

Udemy – Reinforcement Learning beginner to master – AI in Python 2025-5

 

توضیحات

Reinforcement Learning beginner to master – AI in Python ، دوره یادگیری تقویتی از مبتدی تا پیشرفته توسط آکادمی یودمی منتشر شده است. این کامل ترین دوره یادگیری تقویتی در یودمی است و در آن اصول یادگیری تقویتی، یکی از سه پارادایم هوش مصنوعی مدرن را یاد خواهید گرفت. شما از ابتدا الگوریتم های تطبیقی را پیاده سازی خواهید کرد که وظایف کنترلی را براساس تجربه حل می کنند. همچنین یاد خواهید گرفت که این الگوریتم ها را با تکنیک های یادگیری عمیق و شبکه های عصبی ترکیب کنید که به آن شاخه  یادگیری تقویتی عمیق گفته میشود. همچنین شما را برای دوره های بعدی این مجموعه آماده می کند که در ادامه به شاخه های مختلف یادگیری تقویتی خواهیم پرداخت و نگاهی به برخی از الگوریتم های پیشرفته تر موجود خواهیم داشت. این دوره بر توسعه مهارت های عملی متمرکز است؛ بنابراین، پس از یادگیری مهم ترین مفاهیم هر مجوعه متد، یک یا چند الگوریتم آن ها را از ابتدا در jupyter notebooks پیاده سازی خواهیم کرد.

این دوره به سه بخش تقسیم می شود و موضوعات زیر را پوشش می دهد:

بخش اول (روش های Tabular):

  • فرآیند تصمیم گیری Markov
  • برنامه نویسی پویا
  • روش های اختلاف زمانی (SARSA, Q-Learning)
  • N-step  بوت استرپینگ

بخش 2 (فضاهای حالت پیوسته):

  • جمع بندی وضعیت
  • کدنویسی Tile

بخش سوم (یادگیری تقویتی عمیق):

  • Deep SARSA
  • Deep Q-Learning
  • تقویت کردن
  • Advantage Actor-Critic / A2C (Advantage Actor-Critic / A2C method)

آنچه خواهید آموخت

  • الگوی یادگیری تقویتی و عملیاتی که برای حل آن ها مناسب تر است را درک کنید.
  • روش های مختلف حل یک عملیات را با استفاده از یادگیری تقویتی درک کنید و مناسب ترین را انتخاب کنید.
  • اساسا فرآیند یادگیری هر الگوریتم را درک کنید
  • درک و پیاده سازی الگوریتم های جدید از مقالات پژوهشی
  • درک فرآیند حل یک عملیات تشخیصی با استفاده از یادگیری تقویتی
  • پیاده سازی کامل الگوریتم های یادگیری تقویتی از ابتدا
  • اشکال زدایی و گسترش الگوریتم های ارائه شده

این دوره برای چه کسانی مناسب است

  • توسعه دهندگانی که می خواهند در یادگیری ماشینی شغلی پیدا کنند
  • دانشمندان داده و متخصصان ML به دنبال گسترش وسعت دانش خود هستند.
  • محققانی که به دنبال افزایش مهارت های عملی کدنویسی خود هستند.

مشخصات دوره Reinforcement Learning beginner to master – AI in Python

  • ناشر : Udemy
  • مدرس : Escape Velocity Labs
  • زبان: انگلیسی
  • سطح آموزش : تمام سطوح
  • تعداد دروس : 134
  • مدت زمان آموزش : 10 ساعت و 47 دقیقه

سر فصل های دوره

Reinforcement Learning beginner to master - AI in Python

پیش نیاز های دوره

  • Be comfortable programming in Python
  • Know basic linear algebra and calculus (matrices, vectors, determinants, derivatives, etc.)
  • Know basic statistics and probability theory (mean, variance, normal distribution, etc.)

تصاویر Reinforcement Learning beginner to master – AI in Python

Reinforcement Learning beginner to master - AI in Python

فیلم نمونه

راهنمای نصب

پس از Extract، با Player دلخواه خود مشاهده کنید.

زیرنویس: انگلیسی

کیفیت: 1080p

نسخه 2022/10 نسبت به 2022/6 به مدت زمان 16 دقیقه کاهش و 9 درس افزایش داشته است.

نسخه 2024/11 نسبت به 2020/11 به تعداد 2  درس افزایش داشته است. همچنین کیفیت دوره از 720p به 1080p افزایش یافته است.

نسخه 2025/5 نسبت به 2024/11 به تعداد 1 درس افزایش و مدت زمان 1 دقیقه افزایش داشته است.

لینک دانلود

دانلود بخش 1 – 1 گیگابایت

دانلود بخش 2 – 1 گیگابایت

دانلود بخش 3 – 645 مگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

2.63 گیگابایت

4.5/5 - (4442 امتیاز)

محاسبه حجم دانلود برای ایرانسل به‌صورت تمام‌بها است.

Download Faster Without Limitation

The data center of free servers has applied a non-Iranian IP restriction on some servers
There is no limitation for VIP servers

برچسب ها:

1 دیدگاه. همین الان خارج شوید

  • فرشاد تولائی
    07 آذر 1403 23:36
    Google Chrome 131.0.0.0 Google Chrome 131.0.0.0 Windows 10 x64 Edition Windows 10 x64 Edition
    در مورد: Udemy – Reinforcement Learning beginner to master – AI in Python 2024-11

    عالی. بسیار سپاسگزارم.

    پاسخ

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این قسمت نباید خالی باشد
این قسمت نباید خالی باشد
لطفاً یک نشانی ایمیل معتبر بنویسید.
فقط دیدگاه‌هایی که جنبه‌ی استفاده‌ی عمومی دارد، نمایش داده می‌شود؛ درصورت تمایل به دریافت نتیجه‌ی رسیدگیِ دیدگاه خود، ایمیل معتبر وارد کنید.

فهرست