باید با مفاهیم پایه احتمال و آمار آشنا باشید. همچنین آشنایی با NumPy، Pandas و Scikit-learn که در دورههای پیشنیاز آموزش داده میشن، لازمه.
دوره
یادگیری تقویتی با Gymnasium در پایتون
سفر یادگیری تقویتی خودتون رو شروع کنید! یاد بگیرید چطور اِیجنتها میتونن از طریق تعامل با محیط، مسائل رو حل کنن.
کاربرهای فینکا در چه شرکتهایی مشغول به کار هستند؟
توضیحات دوره
سفر هیجانانگیزتون رو در دنیای یادگیری تقویتی، که یکی از شاخههای کلیدی یادگیری ماشینه، شروع کنید. این دوره تعاملی شما رو به یک سفر جامع در اصول پایهای یادگیری تقویتی میبره؛ جایی که هنر آموزش اِیجنتها هوشمند رو یاد میگیرید و بهشون یاد میدید چطور تصمیمهای استراتژیک بگیرن و پاداشها رو به حداکثر برسونن. اِیجنتها شما یاد میگیرن که چطور در محیطهای مختلف ابزار Gymnasium متعلق به OpenAI حرکت کنن، از جمله عبور از دریاچههای یخزده و کوهها.
همونیه که میخواید یاد بگیرید؟
1
وارد دنیای هیجانانگیز یادگیری تقویتی میشید و با مفاهیم پایه، نقشها و کاربردهای اون آشنا میشید. چارچوب یادگیری تقویتی و نحوه تعامل عامل با محیط رو بررسی میکنید. همچنین یاد میگیرید چطور با استفاده از کتابخونه Gymnasium کار کنید، وضعیتها رو مصورسازی کنید و اقداماتی انجام بدید تا پایهای عملی برای کار با مفاهیم و کاربردهای یادگیری تقویتی به دست بیارید.
2
عمیقتر وارد دنیای یادگیری تقویتی میشید و این بار روی یادگیری مبتنی بر مدل تمرکز میکنید. با فرایندهای تصمیمگیری مارکوف و اجزای اصلی اونها آشنا میشید. همچنین درباره سیاستها و توابع ارزش یاد میگیرید و با تکنیکهای تکرار سیاست و تکرار ارزش، مهارتتون رو در بهینهسازی سیاستها تقویت میکنید.
3
وارد دنیای یادگیری بدون مدل در یادگیری تقویتی میشید. ابتدا با روشهای پایه مونتکارلو آشنا میشید و الگوریتمهای پیشبینی مونتکارلو با اولین بازدید و همه بازدیدها رو به کار میبرید. بعد سراغ یادگیری تفاضل زمانی میرید و الگوریتم SARSA رو بررسی میکنید. در نهایت، با Q-Learning آشنا میشید و همگرایی اون رو در محیطهای چالشبرانگیز تحلیل میکنید.
4
با استراتژیهای پیشرفتهتر یادگیری تقویتی بدون مدل آشنا میشید و روی بهبود الگوریتمهای تصمیمگیری تمرکز میکنید. Expected SARSA رو برای بهروزرسانی دقیقتر سیاستها و Double Q-Learning رو برای کاهش بایاس بیشبرآورد یاد میگیرید. همچنین توازن اکتشاف-بهرهبرداری رو بررسی میکنید و با استراتژیهای epsilon-greedy و epsilon-decay برای انتخاب بهتر عملها آشنا میشید. در نهایت، سراغ مسئله راهزن چنددستهای میرید و روشهایی رو برای حل مسائل تصمیمگیری در شرایط عدم قطعیت به کار میبرید.
گواهی پایان دوره
- تأیید مهارت شما
با تکمیل این دوره، شما یک گواهی معتبر دریافت میکنید که بیانگر کسب مهارتهای لازم مرتبط با این دوره آموزشی است.
- اعتبار و اصالت گواهی
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم میکند.
- اشتراکگذاری
میتوانید گواهیهای خود را بهراحتی در شبکههای حرفهای مانند لینکدین با دیگران به اشتراک بگذارید.
پیش نیازهای دوره
توضیحات دوره
سفر هیجانانگیزتون رو در دنیای یادگیری تقویتی، که یکی از شاخههای کلیدی یادگیری ماشینه، شروع کنید. این دوره تعاملی شما رو به یک سفر جامع در اصول پایهای یادگیری تقویتی میبره؛ جایی که هنر آموزش اِیجنتها هوشمند رو یاد میگیرید و بهشون یاد میدید چطور تصمیمهای استراتژیک بگیرن و پاداشها رو به حداکثر برسونن. اِیجنتها شما یاد میگیرن که چطور در محیطهای مختلف ابزار Gymnasium متعلق به OpenAI حرکت کنن، از جمله عبور از دریاچههای یخزده و کوهها.
همونیه که میخواید یاد بگیرید؟
1
وارد دنیای هیجانانگیز یادگیری تقویتی میشید و با مفاهیم پایه، نقشها و کاربردهای اون آشنا میشید. چارچوب یادگیری تقویتی و نحوه تعامل عامل با محیط رو بررسی میکنید. همچنین یاد میگیرید چطور با استفاده از کتابخونه Gymnasium کار کنید، وضعیتها رو مصورسازی کنید و اقداماتی انجام بدید تا پایهای عملی برای کار با مفاهیم و کاربردهای یادگیری تقویتی به دست بیارید.
2
عمیقتر وارد دنیای یادگیری تقویتی میشید و این بار روی یادگیری مبتنی بر مدل تمرکز میکنید. با فرایندهای تصمیمگیری مارکوف و اجزای اصلی اونها آشنا میشید. همچنین درباره سیاستها و توابع ارزش یاد میگیرید و با تکنیکهای تکرار سیاست و تکرار ارزش، مهارتتون رو در بهینهسازی سیاستها تقویت میکنید.
3
وارد دنیای یادگیری بدون مدل در یادگیری تقویتی میشید. ابتدا با روشهای پایه مونتکارلو آشنا میشید و الگوریتمهای پیشبینی مونتکارلو با اولین بازدید و همه بازدیدها رو به کار میبرید. بعد سراغ یادگیری تفاضل زمانی میرید و الگوریتم SARSA رو بررسی میکنید. در نهایت، با Q-Learning آشنا میشید و همگرایی اون رو در محیطهای چالشبرانگیز تحلیل میکنید.
4
با استراتژیهای پیشرفتهتر یادگیری تقویتی بدون مدل آشنا میشید و روی بهبود الگوریتمهای تصمیمگیری تمرکز میکنید. Expected SARSA رو برای بهروزرسانی دقیقتر سیاستها و Double Q-Learning رو برای کاهش بایاس بیشبرآورد یاد میگیرید. همچنین توازن اکتشاف-بهرهبرداری رو بررسی میکنید و با استراتژیهای epsilon-greedy و epsilon-decay برای انتخاب بهتر عملها آشنا میشید. در نهایت، سراغ مسئله راهزن چنددستهای میرید و روشهایی رو برای حل مسائل تصمیمگیری در شرایط عدم قطعیت به کار میبرید.
گواهی پایان دوره
- تأیید مهارت شما
با تکمیل این دوره، شما یک گواهی معتبر دریافت میکنید که بیانگر کسب مهارتهای لازم مرتبط با این دوره آموزشی است.
- اعتبار و اصالت گواهی
هر مدرک دارای شناسه یکتا و لینک اعتبارسنجی است که امکان بررسی و تأیید اصالت آن را فراهم میکند.
- اشتراکگذاری
میتوانید گواهیهای خود را بهراحتی در شبکههای حرفهای مانند لینکدین با دیگران به اشتراک بگذارید.
پیش نیازهای دوره
سوالات متداول
دریافت اپلیکیشن فینکا
با اپلیکیشن فینکا، به بیشتر دورهها و مسیرها روی موبایل دسترسی دارید، تمرین میکنید و یادگیری رو همزمان روی موبایل و دسکتاپ ادامه میدید.
