Advanced AI: Deep Reinforcement Learning in Python
در این فیلم آموزشی شما به یادگیری و تقویت هوش مصنوعی پیشرفته به کمک پایتون می پردازید. تقویت یادگیری ذهنی و هوش مصنوعی از دهه 70 وجود داشته است اما هیچ یک از این موارد تاکنون امکان پذیر نبوده است. جهان با سرعت بسیار زیادی در حال تغییر است. ایالت کالیفرنیا مقررات آنها را تغییر می دهد تا شرکت های اتومبیل سازی بتوانند اتومبیل های خود را بدون وجود یک انسان در ماشین برای نظارت بر آنها آزمایش کنند. الگوریتم های یادگیری ماشین تحت نظارت و بدون نظارت برای تجزیه و تحلیل و پیش بینی داده ها هستند ، در حالی که یادگیری تقویت در مورد آموزش یک عامل برای تعامل با یک محیط و به حداکثر رساندن نتیجه آن است. هوش مصنوعی مانند انسان فکر نمی کند و بنابراین آنها برای دستیابی به اهداف خود راه حل های بدیع و غیر شهودی ارائه می دهند ، اغلب به روشهایی که متخصصان حوزه را متعجب می کنند و انسانهایی که در انجام کار خود بهترین هستند. چرا وقتی می توانید یک شبکه عصبی را تعامل دهید تا با دنیای واقعی تعامل داشته باشد ، چرا باید یک شبکه عصبی آموزش دهید تا با داده های یک پایگاه داده آشنا شود؟ در حالی که یادگیری تقویت عمیق و هوش مصنوعی پتانسیل زیادی دارد ، اما همچنین خطر بزرگی را به همراه دارد. بیل گیتس و ایلان ماسک در مورد برخی از خطراتی که AI برای ثبات اقتصادی و حتی وجود ما ایجاد می کند اظهارات عمومی کرده اند. آشنایی و یادگیری با حساب و احتمال ها ، برنامه نویسی شی گرا، برنامه نویسی Python ، برنامه نویسی Numpy در فیلم آموزشی Advanced AI: Deep Reinforcement Learning in Python به آن پرداخته می شود.
- آنچه خواهید آموخت :
- – ایجاد عوامل مختلف یادگیری عمیق (از جمله DQN و A3C)
- – Q-Learning با شبکه های عصبی عمیق
- – آموزش تقویت با شبکه های RBF
- – رگرسیون خطی
- – و …
- الزامات دوره Advanced AI: Deep Reinforcement Learning in Python :
- – اصول یادگیری و تقویت MDPs, Dynamic Programming, Monte Carlo, TD Learni
- – ریاضیات در سطح دانشگاه مفید است (حساب ، احتمال)
- – ساخت مدل های یادگیری ماشین در پایتون و Numpy
- – نحوه ساخت ANN و CNN را در Theano یا TensorFlow بدانید
- – کدگذاری سریع ، عملیات ماتریسی و برداری
لینک دانلود
