🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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! :)
نمایش نظرات