مقدمه‌ای بر یادگیری تقویتی (RL)

آنچه یاد خواهید گرفت:

• مفاهیم اصلی یادگیری تقویتی
• پیاده‌سازی الگوریتم‌های RL در PyTorch
• ساخت عوامل برای بازی‌های Atari
• بررسی در متدهای مبتنی بر سیاست و مبتنی بر ارزش
• تسلط به بررسی در برابر بهره‌برداری

پیش نیازهای دوره

• دانش اولیه در یادگیری ماشین

توضیحات دوره

دنیای یادگیری تقویتی عمیق (RL) را با این دوره جامع و عملی که برای مبتدیان و علاقه‌مندان طراحی شده، آشکار کنید. این دوره برای یادگیری تکنیک‌های RL در PyTorch مناسب است. بدون پیش‌نیاز، به مفاهیم اساسی می‌پردازیم - محدوده‌های اساسی مانند تابع‌های ارزش، تابع‌های ارزش-عمل و معادله بنلمان -  تا پایه نظری محکمی ایجاد کنیم.

از آنجا، شما را در مسیر مهم‌ترین پیشرفت‌های RL هدایت می‌کنیم:

• بازی Atari با یادگیری تقویتی عمیق - کشف کنید چگونه عوامل RL برای تسلط به بازی‌های کلاسیک Atari یاد می‌گیرند و مفاهیم پیشگام پشت اولین موج یادگیری عمیق Q را درک کنید.
• کنترل سطح انسانی از طریق یادگیری تقویتی عمیق - نگاهی دقیق‌تر به این‌که چگونه شبکه‌های Q عمیق (DQNs) سطح را بالا بردند، عملکرد مشابه انسان را دست‌یافت، و زمینه RL را بازتعریف کردند.
• روش‌های ناهمزمان برای یادگیری تقویتی عمیق - بررسی متدهای Asynchronous Advantage Actor-Critic (A3C) که هم پایداری و هم عملکرد RL را بهبود دادند، به عوامل اجازه می‌دهد سریع‌تر و مؤثرتر یاد بگیرند.
• الگوریتم‌های بهینه‌سازی سیاست مجاورت (PPO) - تسلط به PPO، یکی از قدرتمندترین و کارآمدترین الگوریتم‌ها که در تحقیقات و کاربردهای پیشرفته RL به طور گسترده به کار می‌رود.

این دوره با جلسات عملی کدنویسی غنی است؛ در آن هر الگوریتم را از ابتدا با PyTorch پیاده‌سازی می‌کنید. در پایان، یک مجموعه پروژه و درک عمیقی از تئوری و عمل یادگیری تقویتی عمیق خواهید داشت.

این دوره برای چه کسانی است؟

برای یادگیرندگانی که به یادگیری ماشین و هوش مصنوعی علاقه‌مندند، و برای متخصصانی که می‌خواهند مهارت یادگیری تقویتی با PyTorch را به‌دست آورند، این دوره اطمینان می‌دهد که تخصص لازم برای توسعه عوامل هوشمند در کاربردهای دنیای واقعی را کسب کنید.

این دوره برای چه کسانی مناسب است؟

• محققان و دانشگاهیان هوش مصنوعی
• توسعه‌دهندگان بازی و مهندسان شبیه‌سازی
• دانشجویان دوره‌ی کارشناسی ارشد در هوش مصنوعی و یادگیری ماشین
• دانشمندان داده و مهندسین ML
• علاقه‌مندان مبتدی یادگیری ماشین
• توسعه‌دهندگان نرم‌افزار که هوش مصنوعی را بررسی می‌کنند.