آموزش یادگیری تقویتی عمیق 2.0

سرفصل ها و درس ها

قسمت 1 - مبانی Part 1 - Fundamentals

• خوش آمدی Welcome

• برخی منابع قبل از شروع Some resources before we start

• جایزه: مسیر یادگیری BONUS: Learning Path

• Q-Learning Q-Learning

• Deep Q-Learning Deep Q-Learning

• گرادیان سیاست Policy Gradient

• گرادیان سیاست Policy Gradient

• بازیگر- منتقد Actor-Critic

• بازیگر- منتقد Actor-Critic

• طبقه بندی مدل های هوش مصنوعی Taxonomy of AI models

• EXTRA: 5 مزیت DRL EXTRA: 5 Advantages of DRL

• اضافی: نقشه الگوریتم های RL EXTRA: RL Algorithms Map

• اضافی: نقشه الگوریتم های RL EXTRA: RL Algorithms Map

• مواد را دریافت کنید Get the materials

• مواد را دریافت کنید Get the materials

قسمت 1 - مبانی Part 1 - Fundamentals

• خوش آمدی Welcome

• برخی منابع قبل از شروع Some resources before we start

• جایزه: مسیر یادگیری BONUS: Learning Path

• Q-Learning Q-Learning

• Deep Q-Learning Deep Q-Learning

• طبقه بندی مدل های هوش مصنوعی Taxonomy of AI models

• EXTRA: 5 مزیت DRL EXTRA: 5 Advantages of DRL

قسمت 2 - نظریه DDPG تاخیری دوقلو Part 2 - Twin Delayed DDPG Theory

• مقدمه و راه اندازی Introduction and Initialization

• بخش Q-Learning The Q-Learning part

• بخش یادگیری سیاست The Policy Learning part

• کل فرآیند آموزش The whole training process

• کل فرآیند آموزش The whole training process

قسمت 2 - نظریه DDPG تاخیری دوقلو Part 2 - Twin Delayed DDPG Theory

• مقدمه و راه اندازی Introduction and Initialization

• بخش Q-Learning The Q-Learning part

• بخش یادگیری سیاست The Policy Learning part

قسمت 3 - اجرای دوقلو با تاخیر DDPG Part 3 - Twin Delayed DDPG Implementation

• کل پوشه کد دوره با تمامی پیاده سازی ها The whole code folder of the course with all the implementations

• کل پوشه کد دوره با تمامی پیاده سازی ها The whole code folder of the course with all the implementations

• شروع Beginning

• پیاده سازی - مرحله 1 Implementation - Step 1

• پیاده سازی - مرحله 1 Implementation - Step 1

• پیاده سازی - مرحله 2 Implementation - Step 2

• پیاده سازی - مرحله 3 Implementation - Step 3

• پیاده سازی - مرحله 3 Implementation - Step 3

• پیاده سازی - مرحله 4 Implementation - Step 4

• پیاده سازی - مرحله 4 Implementation - Step 4

• پیاده سازی - مرحله 5 Implementation - Step 5

• پیاده سازی - مرحله 5 Implementation - Step 5

• پیاده سازی - مرحله 6 Implementation - Step 6

• پیاده سازی - مرحله 7 Implementation - Step 7

• پیاده سازی - مرحله 7 Implementation - Step 7

• پیاده سازی - مرحله 8 Implementation - Step 8

• پیاده سازی - مرحله 9 Implementation - Step 9

• پیاده سازی - مرحله 9 Implementation - Step 9

• پیاده سازی - مرحله 10 Implementation - Step 10

• پیاده سازی - مرحله 10 Implementation - Step 10

• پیاده سازی - مرحله 11 Implementation - Step 11

• پیاده سازی - مرحله 11 Implementation - Step 11

• پیاده سازی - مرحله 12 Implementation - Step 12

• پیاده سازی - مرحله 12 Implementation - Step 12

• پیاده سازی - مرحله 13 Implementation - Step 13

• پیاده سازی - مرحله 14 Implementation - Step 14

• پیاده سازی - مرحله 14 Implementation - Step 14

• پیاده سازی - مرحله 15 Implementation - Step 15

• پیاده سازی - مرحله 15 Implementation - Step 15

• پیاده سازی - مرحله 16 Implementation - Step 16

• پیاده سازی - مرحله 17 Implementation - Step 17

• پیاده سازی - مرحله 18 Implementation - Step 18

• پیاده سازی - مرحله 18 Implementation - Step 18

• پیاده سازی - مرحله 19 Implementation - Step 19

• پیاده سازی - مرحله 19 Implementation - Step 19

• پیاده سازی - مرحله 20 Implementation - Step 20

• پیاده سازی - مرحله 20 Implementation - Step 20

قسمت 3 - اجرای دوقلو با تاخیر DDPG Part 3 - Twin Delayed DDPG Implementation

• شروع Beginning

• پیاده سازی - مرحله 2 Implementation - Step 2

• پیاده سازی - مرحله 6 Implementation - Step 6

• پیاده سازی - مرحله 8 Implementation - Step 8

• پیاده سازی - مرحله 13 Implementation - Step 13

• پیاده سازی - مرحله 16 Implementation - Step 16

• پیاده سازی - مرحله 17 Implementation - Step 17

نسخه ی نمایشی نهایی! The Final Demo!

• نسخه ی نمایشی - آموزش Demo - Training

• نسخه ی نمایشی - استنتاج Demo - Inference

نسخه ی نمایشی نهایی! The Final Demo!

• نسخه ی نمایشی - آموزش Demo - Training

• نسخه ی نمایشی - استنتاج Demo - Inference

پیوست 1 - شبکه های عصبی مصنوعی Annex 1 - Artificial Neural Networks

• طرح حمله Plan of Attack

• نورون The Neuron

• نورون The Neuron

• تابع فعال سازی The Activation Function

• تابع فعال سازی The Activation Function

• شبکه های عصبی چگونه کار می کنند؟ How do Neural Networks Work?

• شبکه های عصبی چگونه کار می کنند؟ How do Neural Networks Work?

• شبکه های عصبی چگونه یاد می گیرند؟ How do Neural Networks Learn?

• گرادیان نزول Gradient Descent

• گرادیان نزول Gradient Descent

• نزول گرادیان تصادفی Stochastic Gradient Descent

• نزول گرادیان تصادفی Stochastic Gradient Descent

• پس انتشار Backpropagation

• پس انتشار Backpropagation

پیوست 1 - شبکه های عصبی مصنوعی Annex 1 - Artificial Neural Networks

• طرح حمله Plan of Attack

• شبکه های عصبی چگونه یاد می گیرند؟ How do Neural Networks Learn?

ضمیمه 2 - Q-Learning Annex 2 - Q-Learning

• طرح حمله Plan of Attack

• یادگیری تقویتی چیست؟ What is Reinforcement Learning?

• معادله بلمن The Bellman Equation

• طرح The Plan

• طرح The Plan

• فرآیند تصمیم گیری مارکوف Markov Decision Process

• فرآیند تصمیم گیری مارکوف Markov Decision Process

• سیاست در مقابل برنامه Policy vs Plan

• سیاست در مقابل برنامه Policy vs Plan

• جریمه زندگی Living Penalty

• Q-Learning Intuition Q-Learning Intuition

• Q-Learning Intuition Q-Learning Intuition

• تفاوت زمانی Temporal Difference

• تفاوت زمانی Temporal Difference

• Q-Learning Visualization Q-Learning Visualization

• Q-Learning Visualization Q-Learning Visualization

ضمیمه 2 - Q-Learning Annex 2 - Q-Learning

• یادگیری تقویتی چیست؟ What is Reinforcement Learning?

• معادله بلمن The Bellman Equation

• جریمه زندگی Living Penalty

پیوست 3 - یادگیری عمیق Q Annex 3 - Deep Q-Learning

• طرح حمله Plan of Attack

• طرح حمله Plan of Attack

• شهود یادگیری عمیق Q - مرحله 1 Deep Q-Learning Intuition - Step 1

• شهود یادگیری عمیق Q - مرحله 2 Deep Q-Learning Intuition - Step 2

• شهود یادگیری عمیق Q - مرحله 2 Deep Q-Learning Intuition - Step 2

• تکرار را تجربه کنید Experience Replay

• سیاست های انتخاب اقدام Action Selection Policies

پیوست 3 - یادگیری عمیق Q Annex 3 - Deep Q-Learning

• طرح حمله Plan of Attack

• شهود یادگیری عمیق Q - مرحله 1 Deep Q-Learning Intuition - Step 1

• تکرار را تجربه کنید Experience Replay

• سیاست های انتخاب اقدام Action Selection Policies

محتوای ویژه Special Content

• ***پاداش ویژه شما*** ***YOUR SPECIAL BONUS***

• ***پاداش ویژه شما*** ***YOUR SPECIAL BONUS***

محتوای ویژه Special Content