آموزش هوش مصنوعی عملی با پایتون و یادگیری تقویتی

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• پیام خوش آمد Welcome Message

• مروری بر برنامه درسی دوره Course Curriculum Overview

• موفقیت دوره و مرور کلی Course Success and Overview

• چک در آزمون Check In Quiz

مراحل راه اندازی و نصب دوره Course Set-Up and Installation Procedures

• نصب و راه اندازی نوت بوک Anaconda و Jupyter Anaconda and Jupyter Notebook Install and Setup

• یادداشت در مورد تنظیمات محیط Note on Environment Setup

• بررسی راه اندازی محیط Environment Setup Walkthrough

بررسی اجمالی مبانی Numpy Numpy Basics Overview

• مقدمه ای بر بخش Numpy Introduction to Numpy Section

• آرایه های NumPy NumPy Arrays

• عملیات Numpy - قسمت اول Numpy Operations - Part One

• عملیات Numpy - قسمت دوم Numpy Operations - Part Two

• بررسی اجمالی تمرین Numpy Numpy Exercise Overview

• راه حل های تمرینی Numpy Numpy Exercise Solutions

Matplotlib و نمای کلی تجسم Matplotlib and Visualization Overview

• مقدمه ای بر Matplotlib Introduction to Matplotlib

• مبانی Matplotlib Matplotlib Basics

• Matplotlib - درک شی شکل Matplotlib - Understanding the Figure Object

• Matplotlib - پیاده سازی شکل ها و محورها Matplotlib - Implementing Figures and Axes

• Matplotlib - پارامترهای شکل Matplotlib - Figure Parameters

• Matplotlib - قابلیت Subplots Matplotlib - Subplots Functionality

• Matplotlib Styling - Legends Matplotlib Styling - Legends

• یک ظاهر طراحی Matplotlib - رنگ ها و سبک ها Matplotlib Styling - Colors and Styles

• دستورات پیشرفته Matplotlib (اختیاری) Advanced Matplotlib Commands (Optional)

• بررسی اجمالی سوالات تمرین Matplotlib Matplotlib Exercise Questions Overview

• سوالات تمرین Matplotlib - راه حل Matplotlib Exercise Questions - Solutions

یادگیری ماشینی، یادگیری عمیق و یادگیری تقویتی Machine Learning, Deep Learning, and Reinforcement Learning

• یادگیری ماشینی، یادگیری عمیق و هوش مصنوعی چیست؟ What is Machine Learning, Deep Learning, and Artificial Intelligence?

• فرآیند یادگیری ماشینی تحت نظارت Supervised Machine Learning Process

Pandas and Scikit-Learn Crash Cours Pandas and Scikit-Learn Crash Course

• پانداها و Scikit-Learn نمای کلی Pandas and Scikit-Learn Overview

• پانداها - سری قسمت اول Pandas - Series Part One

• پانداها - سری قسمت دوم Pandas - Series Part Two

• پانداها - دیتا فریم - قسمت اول Pandas - DataFrames - Part One

• پانداها - دیتا فریم - قسمت دوم Pandas - DataFrames - Part Two

• پانداها - دیتا فریم - قسمت سوم Pandas - DataFrames - Part Three

• پانداها - دیتا فریم - قسمت چهارم Pandas - DataFrames - Part Four

• Scikit-Learn - با استفاده از Train-Test-Split Scikit-Learn - Using Train-Test-Split

• Scikit-Learn - با استفاده از متریک Scikit-Learn - Using Metrics

مبانی شبکه عصبی مصنوعی و TensorFlow Artificial Neural Network and TensorFlow Basics

• مقدمه ای بر شبکه های عصبی مصنوعی Introduction to Artificial Neural Networks

• مدل پرسپترون Perceptron Model

• شبکه های عصبی Neural Networks

• توابع فعال سازی Activation Functions

• ملاحظات طبقه بندی چند طبقه Multi-Class Classification Considerations

• توابع هزینه و نزول گرادیان Cost Functions and Gradient Descent

• پس انتشار Backpropagation

• TensorFlow در مقابل Keras توضیح داده شد TensorFlow vs. Keras Explained

• دستور Keras - آماده سازی داده ها Keras Syntax - Preparing the Data

• دستور Keras - ایجاد و آموزش مدل Keras Syntax - Creating and Training the Model

• نحو کراس - ارزیابی مدل Keras Syntax - Model Evaluation

• رگرسیون کراس - تحلیل داده های اکتشافی Keras Regression - Exploratory Data Analysis

• رگرسیون کراس - EDA ادامه دارد Keras Regression - EDA Continued

• رگرسیون کراس - پیش پردازش داده و ایجاد مدل Keras Regression - Data Preprocessing and Model Creation

• رگرسیون کراس - ارزیابی و پیش بینی مدل Keras Regression - Model Evaluation and Predictions

• طبقه بندی Keras - EDA و پیش پردازش Keras Classification - EDA and Preprocessing

• طبقه بندی Keras - بیش از حد برازش و ارزیابی Keras Classification - Overfitting and Evaluation

• طبقه بندی Keras - مروری بر گزینه های پروژه Keras Classification - Overview of Project Options

• نمای کلی تمرین نوت بوک پروژه Keras Keras Project Notebook Exercise Overview

• راه حل پروژه Keras - تجزیه و تحلیل داده های Exploratoy Keras Project Solution - Exploratoy Data Analysis

• راهکارهای پروژه کراس - داده های گمشده - قسمت اول Keras Project Solutions - Missing Data - Part One

• راه حل های پروژه کراس - مقابله با داده های از دست رفته - قسمت دوم Keras Project Solutions - Dealing with Missing Data - Part Two

• راهکارهای پروژه کراس - داده های دسته بندی Keras Project Solutions - Categorical Data

• راه حل های پروژه Keras - پیش پردازش داده ها Keras Project Solutions - Data Preprocessing

• راه حل های پروژه Keras- ایجاد و آموزش مدل Keras Project Solutions- Creating and Training the Model

• راهکارهای پروژه کراس - ارزیابی مدل Keras Project Solutions - Model Evaluation

• تانسوربرد Tensorboard

شبکه های عصبی کانولوشنال با TensorFlow Convolutional Neural Networks with TensorFlow

• نمای کلی بخش شبکه های عصبی کانولوشنال Convolutional Neural Networks Section Overview

• فیلترها و هسته های تصویر Image Filters and Kernels

• لایه های کانولوشنال Convolutional Layers

• لایه های ترکیبی Pooling Layers

• نمای کلی مجموعه داده های MNIST MNIST Data Set Overview

• CNN در MNIST - داده ها CNN on MNIST - The Data

• CNN در MNIST - ایجاد و آموزش مدل CNN on MNIST - Creating and Training the Model

• CNN در MNIST - ارزیابی مدل CNN on MNIST - Model Evaluation

• CNN در CIFAR-10 - داده ها CNN on CIFAR-10 - The Data

• CNN در CIFAR-10 - ارزیابی مدل CNN on CIFAR-10 - Evaluating the Model

• دانلود مجموعه داده برای سخنرانی های تصویر واقعی Downloading Data Set for Real Image Lectures

• CNN در مورد فایل های تصویر واقعی - خواندن در داده ها CNN on Real Image Files - Reading in the Data

• CNN در مورد فایل های تصویر واقعی - تولید داده ها CNN on Real Image Files - Data Generation

• CNN در فایل های تصویر واقعی - ایجاد مدل CNN on Real Image Files - Creating the Model

• CNN در مورد فایل های تصویر واقعی - ارزیابی مدل CNN on Real Image Files - Model Evaluation

• بررسی اجمالی پروژه تمرین CNN CNN Exercise Project Overview

• راه حل های پروژه تمرین CNN CNN Exercise Project Solutions

یادگیری تقویتی - مفاهیم اصلی Reinforcement Learning - Core Concepts

• مروری بر مفاهیم اصلی برای بخش یادگیری تقویتی Overview of Core Concepts for Reinforcement Learning Section

• عوامل، محیط‌ها و سیاست Agents, Environments, and Policy

• جوایز، عوامل تخفیف و معادله بلمن Rewards, Discount Factors, and Bellman Equation

• فرآیندهای قطعی در مقابل تصادفی Deterministic vs. Stochastic Processes

• یادگیری تقویتی جدولی Tabular Reinforcement Learning

نمای کلی AI Gym را باز کنید Open AI Gym Overview

• مقدمه ای بر بخش بدنسازی OpenAI Introduction to OpenAI Gym Section

• بازنگری و تاریخچه OpenAI OpenAI Overview and History

• ورزشگاه OpenAI - تور مستندسازی OpenAI Gym - Documentation Tour

• OpenAI Gym - ایده های کلیدی محیطی OpenAI Gym - Environment Key Ideas

• OpenAI Gym - کار با محیط OpenAI Gym - Working with the Environment

• OpenAI Gym - عامل در تعامل با محیط OpenAI Gym - Agent Interacting with the Environment

یادگیری کلاسیک Q Classical Q Learning

• مقدمه ای بر نمای کلی یادگیری کیو کلاسیک Introduction to Classical Q-Learning Overview

• تاریخچه Q-Learning History of Q-Learning

• نظریه یادگیری کیو - قسمت اول - شهود جدول Q-Learning Theory - Part One - Table Intuition

• نظریه یادگیری کیو - قسمت دوم - معادله هدف Q Q-Learning Theory - Part Two - Q Target Equation

• تئوری کیو یادگیری - قسمت سوم - معادله کیو آپدیت Q-Learning Theory - Part Three - Q-Update Equation

• تئوری یادگیری کیو - قسمت چهارم - به روز رسانی های برنامه ای Q Q-Learning Theory - Part Four - Programmatic Q Updates

• اجرای Q-Learning - قسمت اول - راه اندازی محیط Q-Learning Implementation - Part One - Environment Setup

• اجرای Q-Learning - قسمت دوم - جدول و فراپارامترها Q-Learning Implementation - Part Two - Table and Hyperparameters

• اجرای Q-Learning - قسمت سوم - به روز رسانی توابع Q-Learning Implementation - Part Three - Update Functions

• اجرای Q-Learning - قسمت چهارم - آموزش عامل Q-Learning Implementation - Part Four - Agent Training

• اجرای Q-Learning - قسمت پنجم - تجسم و استفاده Q-Learning Implementation - Part Five - Visualization and Utilization

• تئوری یادگیری مداوم Q - قسمت اول - تنظیم محیط Continuous Q-Learning Theory - Part One - Environment Setup

• نظریه یادگیری مداوم کیو - قسمت دوم - شکل کیو جدول Continuous Q-Learning Theory - Part Two- Q-Table Shape

• نظریه یادگیری مستمر Q - قسمت سوم - نظریه گسسته سازی Continuous Q-Learning Theory - Part Three - Discretization Theory

• Q-Learning مستمر - قسمت چهارم - پیاده سازی گسسته Continuous Q-Learning - Part Four - Discretization Implementation

• Q-Learning مستمر - قسمت پنجم - توابع و فراپارامترها Continuous Q-Learning - Part Five - Functions and Hyperparameters

• Q-Learning مستمر - قسمت ششم - آموزش و استفاده Continuous Q-Learning - Part Six - Training and Usage

• پروژه تمرین Q-Learning Q-Learning Exercise Project

• پروژه تمرین Q-Learning - راهکارها Q-Learning Exercise Project - Solutions

Deep Q-Learning Deep Q-Learning

• نمای کلی بخش DQN DQN Section Overview

• تاریخچه DQN History of DQN

• نظریه و شهود DQN - قسمت اول - بررسی ایده های اصلی RL DQN Theory and Intuition - Part One - Review of Core RL Ideas

• نظریه و شهود DQN - قسمت دوم - شبکه های عصبی برای RL DQN Theory and Intuition - Part Two - Neural Networks for RL

• نظریه و شهود DQN - قسمت سوم - بازخورد و تقریب تابع DQN Theory and Intuition - Part Three - Feedback and Function Approximation

• تئوری و شهود DQN - قسمت چهارم - بازپخش تجربه DQN Theory and Intuition - Part Four - Experience Replay

• نظریه و شهود DQN - قسمت پنجم - نگاشت ایده های کلیدی به کد DQN Theory and Intuition - Part Five - Mapping Key Ideas to Code

• پیاده سازی راهنمای DQN - قسمت اول - واردات و محیط زیست DQN Manual Implementation - Part One - Imports and Environment

• پیاده سازی دستی DQN - قسمت دوم - شبکه عصبی مصنوعی DQN Manual Implementation - Part Two - Artificial Neural Network

• پیاده سازی دستی DQN - قسمت سوم - فراپارامترها و توابع DQN Manual Implementation - Part Three - Hyperparameters and Functions

• پیاده سازی راهنمای DQN - قسمت چهارم - آموزش مدل DQN Manual Implementation - Part Four - Model Training

• DQN - Keras-RL2 - قسمت اول - بررسی اجمالی DQN - Keras-RL2 - Part One - Overview

• DQN - Keras-RL2 - قسمت دوم - واردات و محیط زیست DQN - Keras-RL2 - Part Two - Imports and Environment

• DQN - Keras-RL2 - قسمت سوم - ایجاد ANN DQN - Keras-RL2 - Part Three - Creating the ANN

• DQN - Keras-RL2 - قسمت چهارم - نمایندگی DQN DQN - Keras-RL2 - Part Four - DQN Agent

• DQN - بررسی اجمالی تمرین DQN - Exercise Overview

• DQN - راه حل های تمرین DQN - Exercise Solutions

یادگیری عمیق کیو بر روی تصاویر Deep Q-Learning on Images

• مقدمه ای بر Deep Q-Learning در تصاویر Introduction to Deep Q-Learning on Images

• فایل‌های DQN روی تصاویر Files for DQN on Images

• بررسی مفاهیم کلیدی تصویر Key Image Concepts Review

• تاریخچه تصویر در Replay Buffer - Concept Review Image History in Replay Buffer - Concept Review

• پردازش تصاویر قسمت سوم- کدنویسی بافر و توالی های پخش مجدد Processing Images Part Three- Coding Replay Buffer and Sequences

• پردازش تصاویر قسمت چهارم - کدگذاری پیش پردازش Processing Images Part Four - Coding Preprocessing

• DQN در تصاویر - قسمت اول - واردات و پردازش DQN on Images - Part One - Imports and Processing

• DQN روی تصاویر - قسمت دوم - ساخت شبکه DQN on Images - Part Two - Constructing the Network

• DQN روی تصاویر - قسمت سوم - راه اندازی Agent DQN on Images - Part Three - Setting up the Agent

• بررسی اجمالی تمرینات DQN DQN Exercises Overview

• راه حل تمرینات DQN DQN Exercises Solution

ایجاد محیط های ورزشی OpenAI سفارشی Creating Custom OpenAI Gym Environments

• مقدمه ای بر محیط های بدنسازی سفارشی OpenAI Introduction to Custom OpenAI Gym Environments

• محیط های ورزشی سفارشی - نمای کلی ساختار کلاس Custom Gym Environments - Class Structure Overview

• ایجاد بازی سفارشی - قسمت اول - نمای کلی بازی Snake Creating Custom Game - Part One - Snake Game Overview

• ایجاد بازی سفارشی - قسمت دوم - ساختار کلاس و راه اندازی Creating Custom Game - Part two - Class Structure and Setup

• ایجاد بازی سفارشی - قسمت سوم - بازنشانی بازی Creating Custom Game - Part Three - Game Reset

• ایجاد بازی سفارشی - قسمت چهارم - جهت و حرکت Creating Custom Game - Part Four - Direction and Movement

• ایجاد بازی سفارشی - قسمت پنجم - خوردن و تخم ریزی غذا Creating Custom Game - Part Five - Eating and Spawning Food

• ایجاد بازی سفارشی - قسمت ششم - ورودی انسان Creating Custom Game - Part Six - Human Input

• ایجاد بازی سفارشی - قسمت هفتم - نمایش امتیاز Creating Custom Game - Part Seven - Displaying Score

• ایجاد بازی سفارشی - قسمت هشتم - شرایط بازی بیش از حد Creating Custom Game - Part Eight - Game Over Conditions

• ایجاد بازی سفارشی - قسمت نهم - پایان دادن به بازی Creating Custom Game - Part Nine - Ending the Game

• ایجاد بازی سفارشی - قسمت دهم - منطق بازی Creating Custom Game - Part Ten - Play Logic

• نکته مهم در مورد فایل های __init__.py Important Note on __init__.py Files

• OpenAI Gym Environment - نمای کلی ساختار دایرکتوری OpenAI Gym Environment - Directory Structure Overview

• Gym Directory and Setup File Gym Directory and Setup File

• پر کردن فایل های __init__.py Filling in the __init__.py Files

• تبدیل بازی به OpenAI Gym Environment Class Conversion of Game to OpenAI Gym Environment Class

• تبدیل بازی به OpenAI Gym Environment - قسمت دوم Conversion of Game to OpenAI Gym Environment - Part Two

• ثبت محیط زیست Registration of the Environment

• آموزش یک نماینده در مورد محیط سفارشی Training an Agent on the Custom Environment