دوره آموزش یادگیری تقویتی (Reinforcement Learning)

قیمت فعلی: ۱,۶۹۹,۰۰۰ ۸۴۹,۵۰۰ تومان

قیمت دوره‌ ممکن است توسط سایت مبدا تغییر کند

دوره آموزش یادگیری تقویتی (Reinforcement Learning) — از صفر تا پیاده‌سازی

یادگیری تقویتی (Reinforcement Learning) یکی از آن موضوعاتی است که وقتی چند خط درباره‌اش می‌خوانی، ذهنت درگیر می‌شود. چرا؟ چون این شاخه از هوش مصنوعی و یادگیری ماشین این پتانسیل را دارد که شکل کار کردن خیلی از صنایع را عوض ...

دوره آموزش یادگیری تقویتی (Reinforcement Learning) — از صفر تا پیاده‌سازی

یادگیری تقویتی (Reinforcement Learning) یکی از آن موضوعاتی است که وقتی چند خط درباره‌اش می‌خوانی، ذهنت درگیر می‌شود. چرا؟ چون این شاخه از هوش مصنوعی و یادگیری ماشین این پتانسیل را دارد که شکل کار کردن خیلی از صنایع را عوض کند. دوره آموزش یادگیری تقویتی مکتب خونه با همین هدف طراحی شده: اینکه کاربر یک دید شفاف و عملی از این ترند پرکاربرد پیدا کند و هم بخش تئوری و هم بخش عملی‌اش را تجربه کند. این دوره در حال حاضر با تخفیف ویژه ارائه می‌شود، پس اگر مدتی هست که می‌خواهی وارد این حوزه شوی، این فرصت را از دست نده.

این دوره برای چه کسانی مناسب است؟

• علاقه‌مندان به هوش مصنوعی و فعالان این حوزه
• کسانی که به علم داده علاقه دارند
• شاغلین و علاقه‌مندان حوزه گیم‌پلی (gameplay) و رباتیک
• دانشجویان و پژوهشگرانی که در زمینه علم داده فعالیت می‌کنند

چرا این دوره؟ چه چیزی یاد می‌گیرم؟

خب، سوال اصلی همین‌جاست. خیلی از دوره‌ها فقط تئوری تحویلت می‌دهند و بعد باید خودت سر و ته ماجرا را هم بیاوری. اما اینجا شیوه آموزش ترکیبی از تئوری و عمل است. اول مباحث تئوریک بررسی می‌شوند و بعد با پروژه‌ها و مثال‌های واقعی، یادگیری تثبیت می‌شود. حتی سعی شده مباحث ریاضی مربوط به یادگیری تقویتی هم تا حد امکان پوشش داده شود تا اگر خواستی ادامه بدهی، بتوانی مسیر آکادمیک یا پژوهشی را هم دنبال کنی.

در پایان دوره قادر خواهی بود یک سیستم خودآموز بسازی. یعنی برنامه‌ای که به‌جای تکرار یک مسیر ثابت، از هر بار انجام کار درس می‌گیرد و دفعه بعد با خطای کمتری انجامش می‌دهد. همچنین با اصطلاحات و مفاهیم اساسی این حوزه آشنا می‌شوی و می‌توانی پژوهش‌های سطح بالاتر را هم مطالعه کنی.

مهارت‌هایی که در پایان دوره به دست می‌آوری:

• آشنایی با انواع مدل‌های یادگیری تقویتی
• کار با کتابخانه gym
• آشنایی با مدل‌های Deep Q-Learning
• آشنایی با مدل‌های Policy Based
• پیاده‌سازی روش‌های مختلف مدل‌سازی یادگیری تقویتی

مشخصات کلی دوره

سرفصل‌های دوره

• فصل اول: آشنایی با یادگیری تقویتی (۳ جلسه | ۲۳ دقیقه)
• فصل دوم: مسئله راهزن چنددست — Multi-Armed Bandit (۶ جلسه | ۵۰ دقیقه)
• فصل سوم: تعاریف یادگیری تقویتی (۷ جلسه | ۵۷ دقیقه)
• فصل چهارم: برنامه‌نویسی پویا — Dynamic Programming (۷ جلسه | ۴۵ دقیقه)
• فصل پنجم: روش‌های مبتنی بر جدول — Tabular (۱۷ جلسه | ۲ ساعت و ۴ دقیقه)
• فصل ششم: استفاده از تخمین‌گر (۱۱ جلسه | ۱ ساعت و ۵۴ دقیقه)
• فصل هفتم: Policy Gradient (۹ جلسه | ۱ ساعت و ۱۴ دقیقه)
• فصل هشتم: پروژه پایانی (۱ جلسه)

یادگیری تقویتی دقیقاً چیه؟ 🎯

در هسته یادگیری تقویتی این مفهوم ساده وجود دارد: رفتار یا عمل بهینه با یک پاداش مثبت تقویت می‌شود. مثل کودکی نوپا که یاد می‌گیرد چطور راه برود؛ قدم‌هایش را بر اساس نتیجه‌ای که تجربه می‌کند تنظیم می‌کند. ماشین‌ها و عوامل نرم‌افزاری هم از الگوریتم‌های یادگیری تقویتی استفاده می‌کنند تا رفتار ایده‌آل را بر اساس بازخورد محیط پیدا کنند. این نوعی یادگیری ماشینی است و در نتیجه شاخه‌ای از هوش مصنوعی محسوب می‌شود.

بسته به پیچیدگی مسئله، الگوریتم‌ها می‌توانند با محیط سازگار شوند و در طول زمان پاداش را به حداکثر برسانند. رباتی که راه رفتن را یاد می‌گیرد، راه‌های مختلفی را امتحان می‌کند، بازخورد می‌گیرد و تنظیم می‌کند. یک قدم بزرگ روبه‌جلو باعث سقوطش می‌شود، پس گام را کوچک‌تر می‌کند تا ببیند می‌تواند ایستاده بماند یا نه. همین‌طوری ادامه می‌دهد تا در نهایت راه رفتن را یاد بگیرد. در این مثال، پاداش ایستادن است و مجازات، سقوط.

یادگیری تقویتی به داده‌های زیادی نیاز دارد. به همین دلیل اولین کاربردهایش در حوزه‌هایی بوده که داده شبیه‌سازی‌شده راحت در دسترس است و تخمین ارزش ساده‌تر — مثل گیم‌پلی و رباتیک. از طرفی «یادگیری تقویتی عمیق» (Deep Reinforcement Learning) هم داریم که شبکه‌های عصبی عمیق را وارد ماجرا می‌کند و بحثش مفصل‌تر و کمی متفاوت از یادگیری تقویتی ساده است.

اجزای اصلی یادگیری تقویتی

یادگیری تقویتی زیرشاخه‌ای از یادگیری ماشین است که به یک عامل یاد می‌دهد چطور یک عمل را از فضای عملش در یک محیط خاص انتخاب کند تا در طول زمان پاداش را به حداکثر برساند. چهار عنصر اساسی دارد:

• عامل (Agent): برنامه‌ای که آموزش می‌دهی، با هدف انجام کاری که مشخص می‌کنی.
• محیط (Environment): دنیای واقعی یا مجازی که عامل در آن اعمال را انجام می‌دهد.
• عمل (Action): حرکتی که عامل انجام می‌دهد و باعث تغییر وضعیت محیط می‌شود.
• پاداش (Reward): ارزیابی یک عمل که می‌تواند مثبت یا منفی باشد.

نکات کلیدی که در دوره بررسی می‌شود

• ورودی: حالت اولیه‌ای که مدل از آن شروع می‌کند.
• خروجی: راه‌حل‌های مختلفی برای یک مسئله وجود دارد، پس خروجی‌های ممکن هم متعددند.
• آموزش: مدل بر اساس ورودی، حالتی را برمی‌گرداند و کاربر بر اساس خروجی، پاداش یا تنبیه تعیین می‌کند.
• مدل به یادگیری ادامه می‌دهد تا به بهینه‌سازی برسد.
• بهترین راه‌حل بر اساس حداکثر پاداش انتخاب می‌شود.

دو نوع تقویت در یادگیری تقویتی

تقویت مثبت: وقتی یک رویداد به دلیل رفتار خاصی رخ بدهد، قدرت و فراوانی آن رفتار را افزایش می‌دهد. یعنی تأثیر مثبت روی رفتار دارد. مزایایش:

• عملکرد را به حداکثر می‌رساند
• تغییر را برای مدت طولانی حفظ می‌کند
• (اما تقویت بیش‌ازحد می‌تواند منجر به بار اضافی حالت‌ها شود و نتایج را کاهش بدهد)

تقویت منفی: تقویت رفتار از