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

آشنایی با برنامه‌نویسی پایتون (گذراندن دوره « برنامه‌نویسی پایتون» در آکادمی همراه)

آشنایی با دروس یادگیری ماشین ( گذراندن دوره‌های یادگیری ماشین نظارت شده و یادگیری ماشین بدون نظارت در آکادمی همراه )

آشنایی با دروس یادگیری عمیق (گذراندن دوره‌های یادگیری عمیق در آکادمی همراه)

 
نحوه ارزیابی

۵۰ درصد پروژه پایانی

۵۰ درصد آزمون پایانی