آموزش تقویتی با Gymnasium در پایتون

مدرس Fouad Trad

انتشار 2024/01/01

مدت زمان 1h 6m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Reinforcement Learning with Gymnasium in Python

کاوش هیجان انگیز یادگیری تقویتی (RL)، یک شاخه محوری از یادگیری ماشین را آغاز کنید. این دوره تعاملی شما را به سفری جامع از طریق اصول اصلی RL می برد که در آن بر هنر آموزش عوامل هوشمند تسلط خواهید داشت و به آنها تصمیم گیری استراتژیک و به حداکثر رساندن پاداش را آموزش می دهید. ماموران شما یاد می‌گیرند که در مجموعه‌ای از محیط‌های مختلف از جعبه ابزار ورزش OpenAI، از جمله پیمایش دریاچه‌ها و کوه‌های یخ‌زده، پیمایش کنند.

هوش مصنوعی Python

Introduction to Reinforcement Learning

Fundamentals of reinforcement learning ()

Navigating the RL framework ()

Interacting with Gymnasium environments ()

Setting up a Mountain Car environment

Visualizing the Mountain Car Environment

Interacting with the Frozen Lake environment

Model-Based Learning

Markov Decision Processes ()

Exploring state and action spaces

Policies and state-value functions ()

Computing state-values for a policy

Comparing policies

Action-value functions ()

Computing Q-values

Improving a policy

Policy iteration and value iteration ()

Implementing value iteration

Model-Free Learning

Monte Carlo methods ()

Episode generation for Monte Carlo methods

Implementing first-visit Monte Carlo

Implementing every-visit Monte Carlo

Temporal difference learning ()

Implementing the SARSA update rule

Solving 8x8 Frozen Lake with SARSA

Q-learning ()

Implementing Q-learning update rule

Solving 8x8 Frozen Lake with Q-learning

Evaluating policy on a slippery Frozen Lake

Advanced Strategies in Model-Free RL

Expected SARSA ()

Expected SARSA update rule

Applying Expected SARSA

Double Q-learning ()

Implementing double Q-learning update rule

Applying double Q-learning

Balancing exploration and exploitation ()

Defining epsilon-greedy function

Solving CliffWalking with epsilon greedy strategy

Solving CliffWalking with decayed epsilon-greedy strategy

Multi-armed bandits ()

Creating a multi-armed bandit

Solving a multi-armed bandit

Assessing convergence in a multi-armed bandit

Congratulations! ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش آموزش تقویتی با Gymnasium در پایتون

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Reinforcement Learning with Gymnasium in Python در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

هنر یادگیری ماشینی را بیاموزید و به عنوان رئیس پیش بینی، تشخیص الگو و شروع یادگیری عمیق و تقویتی بیایید.

آموزش آموزش تقویتی با Gymnasium در پایتون ، ایستگاه شماره 3 در مسیر یادگیری مبانی یادگیری ماشینی ، است.

مسیر یادگیری مبانی یادگیری ماشینی

برای ایجاد مدل هایی که می توانند در محیط های پیچیده دنیای واقعی حرکت کنند و LLM ها را آموزش دهند، به اصول یادگیری تقویتی (RL) مسلط شوید.

آموزش آموزش تقویتی با Gymnasium در پایتون ، ایستگاه شماره 0 در مسیر یادگیری یادگیری تقویتی ، است.

مسیر یادگیری یادگیری تقویتی

محتواها

15 محتوای ویدئویی 27 محتوای Pdf

زیرنویس‌

English و فارسی-ماشین

کیفیت ویدئوها‌

فقط 720p

فایل تمرینی‌

ندارد

آزمون‌

ندارد

دانلود مشاهده آنلاین

آموزش های مرتبط

تلگرام توییتر واتساپ