یادگیری تقویتی هوش مصنوعی با پایتون

قیمت فعلی: ۶۴۹,۰۰۰ ۳۵۶,۹۵۰ تومان

قیمت دوره‌ ممکن است توسط سایت مبدا تغییر کند

یادگیری تقویتی هوش مصنوعی با پایتون 🎯

درباره این دوره

تا حالا به این فکر کردی که چطور چیزهایی مثل ChatGPT و GPT-4 واقعاً کار می‌کنن؟ توی این دوره، پایه‌های همین فناوری‌های تحول‌آفرین رو یاد می‌گیری.

وقتی مردم از هوش مصنوعی حرف می‌زنن، معمولاً ذهنشون سمت یادگیری نظارت‌شده و بدون نظارت می‌ره...

یادگیری تقویتی هوش مصنوعی با پایتون 🎯

درباره این دوره

تا حالا به این فکر کردی که چطور چیزهایی مثل ChatGPT و GPT-4 واقعاً کار می‌کنن؟ توی این دوره، پایه‌های همین فناوری‌های تحول‌آفرین رو یاد می‌گیری.

وقتی مردم از هوش مصنوعی حرف می‌زنن، معمولاً ذهنشون سمت یادگیری نظارت‌شده و بدون نظارت می‌ره. ولی این وظایف در مقایسه با کارهایی که ما انتظار داریم هوش مصنوعی انجام بده — مثل بازی شطرنج و گو، رانندگی خودکار و شکست دادن انسان توی بازی‌های ویدیویی — نسبتاً ساده‌ان.

یادگیری تقویتی (Reinforcement Learning) تازگی‌ها برای انجام همین کارها و حتی بیشتر، حسابی محبوب شده. درست مثل یادگیری عمیق، بخش زیادی از نظریه‌اش تو دهه‌های ۷۰ و ۸۰ کشف شده بود، اما تا همین اواخر امکان دیدن نتایج شگفت‌انگیزش نبود.

سال ۲۰۱۶ بود که AlphaGo گوگل، قهرمان جهانی بازی Go رو شکست داد. هوش‌های مصنوعی بازی‌هایی مثل Doom و Super Mario رو انجام دادن. خودروهای خودران شروع کردن به رانندگی تو جاده‌های واقعی با سایر راننده‌ها و حتی جابه‌جایی مسافر (مثل Uber) بدون کمک انسان.

اگه اینا برات شگفت‌انگیزه، برای آینده آماده باش؛ چون قانون بازگشت شتاب‌گیرنده می‌گه این پیشرفت‌ها به‌صورت تصاعدی ادامه پیدا می‌کنه.

چرا این دوره فرق داره؟

یادگیری نظارت‌شده و بدون نظارت کار کوچیکی نیست. تا امروز من بیش از ۲۵ دوره فقط درباره همین موضوعات برگزار کردم. ولی یادگیری تقویتی یه دنیای جدید باز می‌کنه.

همون‌طور که تو این دوره می‌بینی، یادگیری تقویتی خیلی با یادگیری نظارت‌شده و بدون نظارت فرق داره. این حوزه به بینش‌های تازه‌ای تو روان‌شناسی رفتاری و علوم اعصاب منجر شده. فرآیند آموزش یه عامل (Agent) خیلی شبیه آموزش دادن به یه حیوون یا حتی انسانه. این نزدیک‌ترین چیزی‌ست که تا حالا به هوش عمومی مصنوعی واقعی رسیدیم.

چی یاد می‌گیری؟

سرفصل‌هایی که تو این دوره پوشش داده می‌شن:

• مسئله Multi-Armed Bandit و معضل جستجو و بهره‌برداری
• روش‌های محاسبه میانگین، میانگین متحرک و ارتباطشون با گرادیان کاهشی تصادفی
• فرآیندهای تصمیم‌گیری مارکوف (MDPs)
• برنامه‌نویسی پویا
• روش مونت کارلو
• یادگیری تفاوت زمانی (Q-Learning و SARSA)
• روش‌های تقریب — چطور یه شبکه عصبی عمیق یا هر مدل قابل مشتق دیگه رو وارد الگوریتم یادگیری تقویتی کنیم
• نحوه استفاده از OpenAI Gym بدون تغییر کد
• پروژه عملی: ساخت یه ربات معامله‌گر بورس با Q-Learning

اگه دنبال یه چالش جدید و یادگیری تکنیک‌های هوش مصنوعی هستی که تو یادگیری نظارت‌شده، بدون نظارت یا یادگیری عمیق ندیدی، این دوره مناسبته. 🚀

چطور به کارت میاد؟

فرض کن دانشجوی مهندسی کامپیوتر هستی و می‌خوای یه پروژه پایانی جذاب تعریف کنی. یا توی تیم داده یه شرکت مشغول کار روی سیستم پیشنهاددهنده‌ای. یادگیری تقویتی دقیقاً همون جایی‌ست که می‌تونه پروژه‌ت رو از یه تمرین کتابخانه‌ای خشک و خالی، تبدیل کنه به یه سیستم واقعی که خودش تصمیم می‌گیره و از اشتباهش یاد می‌گیره.

مثلاً همون پروژه ربات معامله‌گر بورس که تو دوره انجام می‌شه، دقیقاً همون چیزیه که می‌تونی تو رزومه‌ت بذاری و تو مصاحبه کاری ازش حرف بزنی.

فلسفه آموزشی این دوره

«اگه نتونی پیاده‌سازی‌اش کنی، یعنی نفهمیدی‌اش.»

همون‌طور که ریچارد فاینمن، فیزیک‌دان بزرگ، گفت: «چیزی رو که نتونم بسازم، نمی‌تونم بفهمم.»

دوره‌های من تنها دوره‌هایی هستن که تو‌شون یاد می‌گیری الگوریتم‌های یادگیری ماشین رو از صفر پیاده‌سازی کنی. بقیه دوره‌ها فقط یادت می‌دن چطور داده‌ها رو تو کتابخانه‌ها وارد کنی. ولی خب، واقعاً برای نوشتن ۳ خط کد به کمک نیاز داری؟

بعد از انجام همین کار برای ۱۰ دیتاست، متوجه می‌شی ۱۰ چیز یاد نگرفتی؛ فقط یه چیز یاد گرفتی و ۱۰ بار تکرارش کردی...

مشخصات دوره

محتوای دوره

سوالات متداول دانشجوها

آیا این دوره برای مبتدی‌ها مناسبه؟ اگه با پایتون آشنایی پایه داری و مفاهیم ساده یادگیری ماشین رو می‌دونی، می‌تونی شروع کنی. فصل‌های ۱۱ تا ۱۳ هم دقیقاً برای همین موضوع اضافه شدن