الزامات و متدهای کلاسیک یادگیری تقویتی

آنچه یاد خواهید گرفت:

• درک کامپوننت های کلیدی یادگیری تقویتی، شامل عامل‌ها، محیط‌ها، وضعیت‌ها، اقدامات، پاداش‌ها و سیاست‌ها
• کسب درک روشنی از فرآیندهای تصمیم‌گیری مارکوف (MDPs) و چگونگی تشکیل اصول مسائل یادگیری تقویتی توسط آن‌ها
• اعمال تکنیک‌های برنامه‌نویسی پویا مانند ارزیابی سیاست و تکرار ارزش با استفاده از پایتون؛ بررسی متدهای بدون مدل مانند Monte Carlo ،SARSA و Q-Learning
• مشاهده چگونگی پیاده‌سازی و حل مسائل یادگیری تقویتی با استفاده از محیط‌هایی مانند Blackjack ،Taxi ،Frozen Lake و Cliff Walking

پیش نیازهای دوره

• هیچ تجربه قبلی در یادگیری ماشین یا یادگیری تقویتی نیاز نیست.
• تمایل به دنبال کردن گام‌به‌گام منطق پشت یادگیری تقویتی از حفظ کردن معادلات مهم‌تر است.

توضیحات دوره

این دوره بر مفاهیم اساسی یادگیری تقویتی تمرکز دارد. به جای ورود به مدل‌های پیچیده مبتنی بر شبکه‌های عصبی، ما به مبانی ریاضی و منطقی می‌پردازیم که در بیشتر الگوریتم‌های یادگیری تقویتی استفاده می‌شوند. اگر در این موضوع تازه‌کار هستید یا سعی دارید درک روشنی از اصول کلیدی پشت یادگیری تقویتی به دست آورید، این دوره نقطه شروع خوبی است.

ما با توضیح اینکه یادگیری تقویتی واقعاً چیست و چگونه عامل‌ها، محیط‌ها، اقدامات، وضعیت‌ها، پاداش‌ها و سیاست‌ها در این چارچوب قرار می‌گیرند، شروع می‌کنیم. سپس نمونه‌برداری تامپسون و حد بالای اطمینان را پوشش می‌دهیم - دو استراتژی مفید برای یادگیری در شرایط عدم قطعیت.

بخش بزرگی از دوره به فرآیندهای تصمیم‌گیری مارکوف (MDPs) اختصاص دارد که ساختار بسیاری از مسائل یادگیری تقویتی را فراهم می‌کنند. شما کامپوننت های یک MDP را یاد می‌گیرید، چگونگی محاسبه توابع ارزش را می‌بینید و آن‌ها را با استفاده از پایتون پیاده‌سازی می‌کنید.

همچنین متدهای برنامه‌نویسی پویا، از جمله ارزیابی سیاست و تکرار ارزش و چگونگی پیاده‌سازی گام‌به‌گام آن‌ها را بررسی می‌کنیم. سپس به سراغ رویکردهای بدون مدل مانند مونت کارلو، SARSA و Q-learning می‌رویم. تمام این موارد با مثال‌های کدنویسی عملی و با استفاده از محیط‌هایی مانند Blackjack ،Taxi ،Frozen Lake و Cliff Walking توضیح داده می‌شوند.

این دوره برای هر کسی که می‌خواهد درک روشن‌تری از چگونگی کارکرد درونی یادگیری تقویتی داشته باشد، مناسب است. آشنایی اولیه با پایتون مفید است، اما برای همراهی با دوره به هیچ پیش‌زمینه‌ای در یادگیری ماشین نیاز ندارید.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان یا تحلیل‌گرانی که مثال‌های کدنویسی گام‌به‌گام و توضیحات عملی را به تئوری‌های انتزاعی ترجیح می‌دهند.
• دانشجویان یا متخصصان در زمینه‌های مهندسی، علوم کامپیوتر یا داده که به دنبال تقویت مبانی یادگیری تقویتی خود هستند.
• هر کسی که به ریاضیات و منطق پشت یادگیری تقویتی علاقه‌مند است، بدون اینکه درگیر پیچیدگی‌های فریم‌ورک‌های یادگیری عمیق شود.