آموزش یادگیری تقویتی عملی با پایتون - ۸ عامل هوش مصنوعی - آخرین آپدیت

دانلود Practical Reinforcement Learning using Python - 8 AI Agents

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش جامع یادگیری تقویتی: ساخت عامل‌های پیشرفته در محیط‌های مختلف

با جامع‌ترین دوره یادگیری تقویتی در یودمی همراه شوید و یاد بگیرید چگونه کاربردهای شگفت‌انگیز یادگیری تقویتی (Reinforcement Learning) بسازید!

آیا می‌خواهید یاد بگیرید چگونه الگوریتم‌های معاملاتی پیشرفته با بهره‌گیری از فناوری‌های روز بسازید؟ یا به دنبال کسب ابزارها و مهارت‌هایی هستید که در خط مقدم هوش مصنوعی (Artificial Intelligence) قرار دارند؟ شاید هم تنها می‌خواهید یادگیری تقویتی را به شکلی بسیار عملی بیاموزید؟

پس از اتمام این دوره، شما قادر خواهید بود:

  • هر الگوریتم یادگیری تقویتی را در هر محیطی بسازید.
  • از یادگیری تقویتی در آزمایش‌های علمی خود استفاده کنید.
  • مسائل مختلف را با یادگیری تقویتی حل کنید.
  • از فناوری‌های پیشرفته برای پروژه‌های شخصی خود بهره ببرید.
  • در محیط‌های OpenAI Gym تبحر پیدا کنید.

چرا باید این دوره را انتخاب کنید؟

این دوره شما را گام به گام در فرآیند ساخت الگوریتم‌های معاملاتی پیشرفته راهنمایی می‌کند و اطمینان حاصل می‌کند که با مهارت‌های عملی لازم برای پیاده‌سازی هر ایده‌ای در زمینه یادگیری تقویتی، این دوره را به پایان خواهید رساند.

چه چیزهایی در این دوره گنجانده شده است؟

  • ساخت عامل یادگیری تقویتی در محیط Atari.
  • ساخت الگوریتم Q-Learning از پایه و پیاده‌سازی آن در محیط تاکسی خودران.
  • ساخت الگوریتم Deep Q-Learning از پایه و پیاده‌سازی آن در بازی Flappy Bird.
  • ساخت الگوریتم Deep Q-Learning از پایه و پیاده‌سازی آن در بازی Mario.
  • ساخت الگوریتم یادگیری تقویتی برای معاملات سهام (Stock Market).
  • ساخت یک ماشین هوشمند که قادر به تکمیل محیط‌های مختلف باشد.
  • و بسیاری موارد دیگر!

این دوره برای چه کسانی مناسب است؟

  • علاقه‌مندان به فناوری‌های پیشرفته و کاربرد عملی آن‌ها.
  • مشتاقان یادگیری عمیق (Deep Learning) و هوش مصنوعی (AI).
  • کسانی که می‌خواهند درباره فناوری‌های روز دنیا بیاموزند.
  • افرادی که به دنبال یادگیری یادگیری تقویتی از طریق پروژه‌های جذاب هستند.

پیش‌نیازهای دوره:

  • فقط نیاز به دانش برنامه‌نویسی با Python!
  • دانستن شبکه‌های عصبی (Neural Networks) مفید است، اما ضروری نیست.

از الگوریتم‌های یادگیری تقویتی پیشرفته در محیط‌هایی مانند Flappy Bird، Mario، بورس و موارد بسیار دیگر استفاده کنید!

یادگیری تقویتی عملی

تسلط بر OpenAI Gym

ساخت عامل Flappy Bird

ساخت عامل Mario

ساخت عامل‌های بورس

ساخت عامل‌های ماشین

ساخت عامل Space Invaders

و موارد بسیار بیشتر!

ساخت عامل‌های یادگیری تقویتی در هر محیطی


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

ایجنت SpaceInvaders SpaceInvaders Agent

  • راه‌اندازی دوره و نصب بسته‌های پایتون Setting up for Course & Installing Python Packages

  • وارد کردن بسته‌ها و راه‌اندازی محیط Gym Importing Packages & Setting up Gym Environment

  • ساخت شبکه عصبی Building Neural Network

  • ساخت ایجنت یادگیری تقویتی Building Reinforcement Learning Agent

  • آموزش ایجنت Training Agent

  • مصورسازی ایجنت ما Visualizing our Agent

  • ذخیره و بارگذاری ایجنت Save & Load Agent

ایجنت تاکسی خودران Autonomous Taxi Agent

  • راه‌اندازی پروژه و نصب بسته‌های پایتون Setting up Project & Installing Python Packages

  • وارد کردن بسته‌ها و راه‌اندازی محیط Gym Importing Packages & Setting up Gym Environment

  • یادگیری Q چیست؟ What is Q-Learning?

  • پیاده‌سازی یادگیری Q از ابتدا Implementing Q-Learning from Scratch

  • آموزش ایجنت یادگیری Q Training Q-Learning Agent

  • تجزیه و تحلیل ایجنت آموزش‌دیده ما Analyzing our Trained Agent

  • مصورسازی ایجنت ما و تست در محیط‌های دیگر Visualizing our Agent & Testing in other Environments

ایجنت یادگیری تقویتی Flappy Bird Flappy Bird Reinforcement Learning Agent

  • راه‌اندازی پروژه و نصب بسته‌های پایتون Setting up Project & Installing Python Packages

  • وارد کردن بسته‌ها Importing Packages

  • ساخت کلاس برای ایجنت Flappy Bird Building class for Flappy Bird Agent

  • یادگیری عمیق Q چیست؟ What is Deep Q Learning ?

  • ساخت شبکه عصبی Building Neural Network

  • تابع عمل Acting Function

  • تابع آموزش Train Function

  • تابع یادگیری Learn Function

  • تابع مصورسازی Visualize Function

  • مصورسازی ایجنت آموزش‌دیده Visualize Trained Agent

ایجنت یادگیری تقویتی Mario Mario Reinforcement Learning Agent

  • راه‌اندازی پروژه و نصب بسته‌های پایتون Setting up Project & Installing Python Packages

  • وارد کردن بسته‌ها Importing Packages

  • راه‌اندازی محیط Gym Setting up Gym Environment

  • ساخت کلاس برای ایجنت Mario Building Class for Mario Agent

  • ساخت شبکه عصبی Building Neural Network

  • تابع عمل Act Function

  • تابع به‌روزرسانی اپسیلون Update Epsilon Function

  • تابع آموزش Train Function

  • تابع پیش‌پردازش وضعیت برای شبکه عصبی Preprocess State for Neural Network Function

  • تابع یادگیری Learn Function

  • ایجاد یک محیط یادگیری بهتر برای ایجنت Creating a Better Learning Environment for Agent

  • ذخیره و بارگذاری ایجنت Save & Load Agent

  • مصورسازی ایجنت ما Visualizing our Agent

ایجنت‌های یادگیری تقویتی سهام Stocks Reinforcement Learning Agents

  • راه‌اندازی پروژه و نصب بسته‌های پایتون Setting up Project & Installing Python Packages

  • وارد کردن بسته‌ها Importing Packages

  • دریافت داده‌های S&P 500 ما Getting our S&P 500 Data

  • پیش‌پردازش داده‌های ما Preprocessing our Data

  • ایجاد محیط ما Creating our Environment

  • انجام اقدامات تصادفی در محیط Taking Random Actions in Environment

  • ساخت مدل و یادگیری از محیط Creating Model & Learning from Environment

  • مصورسازی ایجنت ما Visualizing our Agent

  • بخش دوم: پیاده‌سازی ۸۹ اندیکاتور فنی مختلف در داده‌ها PART 2: Implementing 89 different Technical Indicators in Data

  • بخش دوم: ایجاد محیط با اندیکاتورهای فنی PART 2: Creating Environment with Technical Indicators

  • بخش دوم: مصورسازی ایجنت ما در محیط TA PART 2: Visualizing our Agent in TA Environment

ایجنت‌های یادگیری تقویتی خودرو Car Reinforcement Learning Agents

  • راه‌اندازی پروژه و نصب بسته‌های پایتون Setting up Project & Installing Python Packages

  • وارد کردن بسته‌ها Importing Packages

  • ایجنت ۱) راه‌اندازی محیط میدان ورودی دایره‌ای Gym Agent 1) Setting up Roundabout Gym Environment

  • ایجنت ۱) آموزش و مصورسازی ایجنت ما Agent 1) Training & Visualizing our Agent

  • ایجنت ۲) راه‌اندازی محیط پارکینگ Gym Agent 2) Setting up Parking Gym Environment

  • ایجنت ۲) آموزش ایجنت ما Agent 2) Training our Agent

  • ایجنت ۲) مصورسازی ایجنت ما Agent 2) Visualizing our Agent

  • ایجنت ۳) ایجنت بزرگراه Agent 3) Highway Agent

کد دوره Code for Course

  • لینک Link

نمایش نظرات

آموزش یادگیری تقویتی عملی با پایتون - ۸ عامل هوش مصنوعی
جزییات دوره
5 hours
58
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
25,529
4.1 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Samuel Boylan-Sajous Samuel Boylan-Sajous

مهندس یادگیری ماشین سلام! من ساموئل بویلان-ساجوس هستم. همانطور که من آن را می بینم ، یادگیری ماشینی و یادگیری عمیق در حال تغییر جهان به روش هایی هستند که ما فقط می توانیم تصور کنیم. من متعهد هستم که با انجام پروژه های عملی که مشکلات دنیای واقعی را حل می کند و آنچه را که در این راه می آموزم ، به اشتراک بگذارم. من مدرک علوم کامپیوتر از دانشگاه گلف و سالها تجربه برنامه نویسی به چند زبان دارم. بیایید با هم یاد بگیریم! :)