عوامل هوش مصنوعی (AI) را با استفاده از یادگیری تقویتی عمیق و PyTorch بسازید: DDPG، TD3، SAC، NAF، HER.
در این دوره ما گوشه ای از جهان در حال گسترش هوش مصنوعی را بررسی می کنیم و برخی از اصول اساسی موجود در یادگیری تقویتی از بازخورد انسانی (RLHF)، فناوری زیربنای ابزارهای عالی هوش مصنوعی مانند ChatGPT، Bard و غیره را مرور می کنیم.
استفاده از یادگیری عمیق در هوش مصنوعی و یادگیری تقویتی با استفاده از استراتژی های تکامل، A2C و DDPG
هوشمندترین ترکیبی از Deep Q-Learning، Policy Gradient، Actor Critic و DDPG
یک دوره جامع، عملی و قابل درک در مورد یادگیری تقویتی. در مورد پروژه های Deep Q-Learning، SARSA، Deep RL، مسابقه اتومبیل رانی و پروژه های تجاری بیاموزید و با سوالات مصاحبه آماده باشید.
همه آنچه باید در مورد فرآیندهای تصمیم مارکوف، ارزش و سیاست گذاری و همچنین در مورد رویکرد یادگیری Q بدانید
چگونه عوامل می توانند در محیط های بدون پاداش یاد بگیرند
یاد بگیرید که چگونه از تکنیک های یادگیری تقویتی برای ایجاد برنامه های کاربردی هوش مصنوعی استفاده کنید!
نحوه پیادهسازی مقالات تحقیقاتی پیشرفته هوش مصنوعی در ورزشگاه هوش مصنوعی با استفاده از چارچوب PyTorch
چگونه می توان مقالات تحقیقاتی یادگیری تقویتی عمیق را به عواملی تبدیل کرد که بازی های کلاسیک آتاری را شکست می دهند
Microsoft Ignite 2019 | ساخت سیستم های مستقل صنعتی با آموزش تقویتی | اسکات استنفیلد، کنس اندرسون
"این کلاس شما را با اصول یادگیری تقویتی آشنا می کند. بنابراین هیچ دانش قبلی برای گذراندن این دوره انتظار نمی رود. پس از اتمام این کلاس ...."