خرید اشتراک

بلاگ

کارآموزی

محصولات سازمانی

بوت‌کمپ‌ها

درباره آکادمی

مطالب دوره

اطلاعات تکمیلی

مدرس دوره

دوره‌های پیشنهادی

یادگیری تقویتی - آکادمی همراه

یادگیری تقویتی

Name: یادگیری تقویتی
Price: 1500000 IRR
Rating: 4 (38 reviews)

با خرید اشتراک آموزشی، این دوره را رایگان بیاموزید.خرید اشتراک

در این دوره، شرکت‌کنندگان با مفاهیم پایه و پیشرفته یادگیری تقویتی آشنا می‌شوند و نحوه تعامل با محیط در یک فرایند تصمیم‌گیری متوالی با هدف بیشینه کردن مجموع پاداش‌های دریافتی از محیط را فرا می‌گیرند. این دوره تلاش می‌کند تا نشان دهد چگونه این نحوه مدل‌سازی از مقوله یادگیری، انطباق بالایی با بسیاری از مسائلی از جنس تصمیم‌گیری دارد که در طول زندگی با آن‌ها مواجه هستیم و چگونه می‌توان از آن در حل مسائل واقعی بهره برد. لازم به ذکر است که مشاهده این دوره در مسیر‌های یادگیری اختیاری می‌باشد.

سطحپیشرفته

مدت

14:12

مدرکدارد

به روزرسانی1404/12/29

قالبخودخوان

محبوبیت

(38 رای)

هر قسط با اسنپ پی : 375,000 تومان4 قسط ماهانه، بدون چک و ضامن.

1,500,000 تومان

مطالب دوره

1. مقدمه

2. مرور یادگیری ماشین

3. Markov Decision Process(MDP)

4. dynamic programming

5. model-free method: روش های مبتنی بر ارزش

6. model-free method: گرادیان سیاست

7. model-free method:‌ روش های actor-critic

8. model based method

9. Imitation learning

10. یادگیری تقویتی برون خطی

11. یادگیری تقویتی با بازخورد انسانی (RLHF)

12. Multi-Armed Bandit

13. کدنویسی بخش روش مبتنی بر ارزش

14. کدنویسی بخش روش مبتنی بر ارزش۲

15. کد نویسی بخش روش مبتنی بر گرادیان سیایت

16. کدنویسی بخش روش مبتنی بر مدل

17. کدنویسی بخش multi armed bandit

اطلاعات تکمیلی

هدف کلی این دوره ایجاد یک سیستم هوشمند است که بتواند تصمیم‌های بهینه‌ای را در محیطی پویا و تعاملی اتخاذ کند. در یادگیری تقویتی، یک عامل با استفاده از آزمون و خطا و ارتباط با محیط، اقداماتی را یاد می‌گیرد که بیشترین پاداش را در طول زمان کسب کند.

دستاوردهای پایان دوره

درک عمیق مفاهیم یادگیری تقویتی:

درک اصول اساسی، مدل‌ها و روش‌های یادگیری تقویتی، مانند فرآیندهای تصمیم‌گیری مارکوف (MDP)، الگوریتم‌های Q-learning و Policy Gradient.

توانایی پیاده‌سازی مدل‌های یادگیری تقویتی:

به‌کارگیری دانش برای حل مسائل واقعی با استفاده از مدل‌های یادگیری تقویتی، برنامه‌نویسی و توسعه الگوریتم‌های مرتبط.

کاربرد یادگیری تقویتی در حل مسائل پیچیده:

استفاده از یادگیری تقویتی در زمینه‌های متنوعی مانند رباتیک، بازی‌های رایانه‌ای، خودروهای خودران، تجارت الکترونیک و بسیاری دیگر.

مخاطبین

دانشجویان علوم کامپیوتر و مهندس

محققان و دانشمندان داده

توسعه‌دهندگان نرم‌افزار و متخصصان IT

پیش‌نیاز