آموزش هوش مصنوعی چهارم - یادگیری تقویتی در جاوا

سرفصل ها و درس ها

معرفی Introduction

• معرفی Introduction

• انواع یادگیری Types of learning

• کاربردهای یادگیری تقویتی Applications of reinforcement learning

نظریه فرآیند تصمیم گیری مارکوف (MDP). Markov Decision Process (MDP) Theory

• مبانی فرآیندهای تصمیم مارکوف I Markov decision processes basics I

• مبانی فرآیندهای تصمیم مارکوف II Markov decision processes basics II

• فرآیندهای تصمیم مارکوف - معادلات Markov decision processes - equations

• فرآیندهای تصمیم مارکوف - تصویر Markov decision processes - illustration

• معادله بلمن Bellman-equation

• چگونه مشکلات MDP را حل کنیم؟ How to solve MDP problems?

• فرمول ریاضی یادگیری تقویتی Mathematical formulation of reinforcement learning

• آزمون مبانی یادگیری تقویتی Reinforcement Learning Basics Quiz

فرآیند تصمیم گیری مارکوف - تکرار ارزش Markov Decision Process - Value Iteration

• تکرار ارزش چیست؟ What is value iteration?

• اجرای تکرار ارزش I Value iteration implementation I

• اجرای تکرار ارزش II Value iteration implementation II

• اجرای تکرار ارزش III Value iteration implementation III

• اجرای تکرار ارزش IV Value iteration implementation IV

• اجرای تکرار ارزش V Value iteration implementation V

فرآیند تصمیم گیری مارکوف - تکرار سیاست Markov Decision Process - Policy Iteration

• تکرار سیاست چیست؟ What is policy iteration?

• تکرار ارزش در مقابل تکرار سیاست Value iteration vs policy iteration

نظریه یادگیری Q Q Learning Theory

• مقدمه یادگیری Q Q learning introduction

• مقدمه یادگیری Q - الگوریتم Q learning introduction - the algorithm

• تصویر یادگیری Q Q learning illustration

• فرمول بندی ریاضی یادگیری کیو Mathematical formulation of Q learning

• آزمون یادگیری Q Q Learning Quiz

مسیریابی با Q-Learning Pathfinding with Q-Learning

• ---- راه یابی ---- ---- PATHFINDING ----

• مسیریابی با یادگیری Q I Pathfinding with Q-learning I

• مسیریابی با یادگیری Q II Pathfinding with Q-learning II

• مسیریابی با یادگیری Q III Pathfinding with Q-learning III

• مسیریابی با یادگیری Q-IV Pathfinding with Q-learning IV

• ---- کوتاه ترین راه ---- ---- SHORTEST PATH ----

• کوتاه ترین مسیر با یادگیری کیو Shortest path with Q-learning

مشکل اکتشاف در مقابل بهره برداری Exploration vs. Exploitation Problem

• مشکل اکتشاف در مقابل استثمار Exploration vs exploitation problem

• معرفی مشکل راهزن مسلح N N-armed bandit problem introduction

• پیاده سازی مشکل راهزن مسلح N-I N-armed bandit problem implementation I

• پیاده سازی مشکل راهزن مسلح N II N-armed bandit problem implementation II

• کاربردها: تست A/B در بازاریابی Applications: A/B testing in marketing

• مسابقه اکتشاف در مقابل بهره برداری Exploration vs. Exploitation Quiz

نظریه یادگیری تقویتی عمیق Deep Reinforcement Learning Theory

• یادگیری عمیق Q چیست؟ What is deep Q learning?

• یادگیری دیپ کیو و استراتژی ε-غریب Deep Q learning and ε-greedy strategy

• مقدمه یادگیری عمیق Q - به خاطر بسپارید و دوباره پخش کنید Deep Q-learning introduction - remember and replay

• فرمول ریاضی یادگیری عمیق کیو Mathematical formulation of deep Q learning

• مسابقه یادگیری عمیق Q Deep Q Learning Quiz

مواد درسی (دانلود) Course Materials (DOWNLOADS)

• مواد درسی Course materials