دوره آموزشی مبانی یادگیری تقویت
44 دقیقهمتوسط2024-01-08
مدرسین

Khaulat Abdulhakeem
Founder of DiverseK
جزئیات دوره
نوآوری در امور مالی، بهداشت، رباتیک و سایر بخشهای دیگر با یادگیری تقویت (RL)، که شامل آموزش ماشین آلات برای یادگیری از محیط آنها است، امکان پذیر شده است. بسیاری از شرکتهای برتر فناوری در این زمینه سرمایه گذاری زیادی میکنند. در این دوره، مدرس Khaulat Abdulhakeem به شما کمک میکند تا اصول این مهارت نسبتاً جدید، اما ارزشمند را بیاموزید. اصطلاحات کلیدی مورد استفاده در RL، چگونگی نقش RL در پیشرفت AI و انواع مشکلاتی که میتوانید برای حل آنها از RL استفاده کنید را بشناسید. او به شما نشان میدهد چگونه مشکلات یادگیری تقویت را تعریف و نشان دهید. او همچنین به الگوریتمهای RL، از جمله روشهای مونت کارلو و تفاوت زمانی میپردازد. به علاوه، او RL عمیق و چندعاملی و همچنین نحوه یادگیری معکوس و اینکه چگونه میتواند با تقلید به عوامل کمک کند را کشف میکند.
مهارت ها
Machine LearningPythonFoundationsArtificial Intelligence (AI)Open Source
سرفصل ها
مقدمه
- یادگیری تقویتی به طور خلاصه
شروع به یادگیری تقویتی
- اصطلاحات در یادگیری تقویتی
- یک مشکل اساسی RL
- فرآیند تصمیمگیری مارکوف
- یک راه حل پایه RL
الگوریتمهای یادگیری تقویتی
- روش مونت کارلو
- روشهای اختلاف زمانی
- سایر الگوریتمهای RL
روش مونت کارلو
- تنظیمات
- اکتشاف و بهره برداری
- پیشبینی مونت کارلو
- اولین بازدید و هر بازدید پیشبینی MC
- کنترل مونت کارلو
- اصلاحات اضافی
روشهای تفاوت زمانی
- تنظیم
- سارسا
- SARSAMAX (آموزش Q)
- SARSA مورد انتظار
اشکال اصلاح شده تقویت
- یادگیری تقویتی عمیق
- یادگیری تقویتی چند عاملی
- یادگیری تقویتی معکوس
نتیجه
- سفر یادگیری تقویتی شما
دوره های مرتبط
- دوره آموزشی یادگیری جامع پایتون برای علم داده و یادگیری ماشین بخش اول
- دوره آموزشی مبانی هوش مصنوعی: شبکه های عصبی
- دوره آموزشی یادگیری ماشین و آمار فضایی در پایتون
- دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
- دوره آموزشی یادگیری ماشین کاربردی: برآورد ارزش
- دوره آموزشی یادگیری ماشین کاربردی: یادگیری نظارتشده
- دوره آموزشی یادگیری ماشین در مخابرات: از مبانی تا نمونههای واقعی
- دوره آموزشی Power BI: ترکیب هوش مصنوعی با دادهها