دوره آموزشی «آنلاین» یادگیری تقویتی یا Reinforcement Learning - فرادرس
Faradars Discount
جشنواره پیشنهادهای شگفت‌انگیز فرادرس تا ۷۵٪ تخفیف
Faradars Discount

دوره آموزشی «آنلاین» یادگیری تقویتی یا Reinforcement Learning

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها دیدگاه ها
فرادرس

زمان برگزاری دوره آموزشی آنلاین

توجه: این دوره به صورت زنده و آنلاین برگزار میشود.

تاریخ روز ساعت شروع ساعت پایان
۱۳۹۷/۰۵/۱۴ یک شنبه ۱۷ ۲۰
۱۳۹۷/۰۵/۱۷ چهارشنبه ۱۷ ۲۰
۱۳۹۷/۰۵/۲۱ یک شنبه ۱۷ ۲۰
۱۳۹۷/۰۵/۲۴ چهارشنبه ۱۷ ۲۰
۱۳۹۷/۰۵/۲۸ یک شنبه ۱۷ ۲۰
۱۳۹۷/۰۶/۰۴ یک شنبه ۱۷ ۲۰
۱۳۹۷/۰۶/۰۷ چهارشنبه ۱۷ ۲۰
۱۳۹۷/۰۶/۱۱ یک شنبه ۱۷ ۲۰
۱۳۹۷/۰۶/۱۴ چهارشنبه ۱۷ ۲۰
۱۳۹۷/۰۶/۱۸ یک شنبه ۱۷ ۲۰

درباره برگزار کننده

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

دکتر سیدمصطفی کلامی هریس
دکتر سیدمصطفی کلامی هریس

عضو هیأت علمی فرادرس

دکترای تخصصی مهندسی برق-کنترل


دکتر سیدمصطفی کلامی هریس یکی از بنیانگذاران و مدیران کنونی فرادرس و از اعضای هیأت علمی آن است. تا کنون، محتوای آموزشی ارائه شده توسط وی بر روی فرادرس، یکی از مراجع اصلی آموزشی دانشجویان و دانش پژوهان علاقه مند به یادگیری حوزه های مختلف مرتبط با هوش مصنوعی و برنامه نویسی بوده است. (+)



مهم ترین کاری که غالبا یک سیستم هوشمند انجام می دهد، امکان یادگیری است و اگر یک سیستم هوشمند بتواند یادگیری انسان را شبیه سازی کند، تا حدود زیادی در پیاده سازی هوش مصنوعی، موفق خواهد بود. هدف اصلی از یادگیری یافتن شیوه‌ای برای عملکرد در حالات مختلف است که این شیوه در مقایسه با سایرین، با در نظر گرفتن معیارهایی، بهتر است.

توجه: فیلم ضبط شده جلسه های برگزار شده این دوره برای شرکت کنندگانی که دیرتر ثبت نام می کنند و از جلسات دوم و سوم وارد دوره می شوند و یا در بعضی از جلسه ها حضور نداشتند، ارسال می گردد.

👤 مدرس: دکتر سیدمصطفی کلامی هریس
🕓 مدت زمان: ۳۰ ساعت
🎓 ظرفیت ثبت نام دوره: ۴۰ نفر
وضعیت دوره: دوره برگزار شده است

درخواست اطلاع رسانی شروع این دوره

این دوره قبلا برگزار شده است، و برگزاری مجدد آن، بستگی به تعداد متقاضیان این دوره دارد، چنانچه شما نیز تمایل به برگزاری مجدد این دوره دارید در کادر زیر ایمیل خود را درج نمایید.

مزایای درخواست اطلاع رسانی برگزاری دوره:

  • مطلع شدن از برگزاری دوره در اولین زمان
  • دادن بیشترین اولویت برگزاری به دوره های مورد نظر خود (دوره های با بیشترین پیش ثبت نام، با اولویت بیشتری برگزار می شوند)
  • دریافت تخفیف ویژه به هنگام برگزاری دوره، مختص افرادی که درخواست اطلاع رسانی در یک دوره داشته اند.



کالج فرادرس چیست؟
کالج فرادرس، برگزارکننده دوره های آموزشی زنده از جمله دوره های آموزشی آنلاین و دوره های آموزشی حضوری است. این محصول نیز از دوره های آموزشی کالج فرادرس است که به صورت زنده برگزار می شود و در قالب ویدئوهای از قبل ضبط شده ارائه نمی گردد. در واقع، در این دوره آموزشی امکان برقراری ارتباط، تعامل و همچنین پرسش و پاسخ با مدرس در حین تدریس فراهم است.


    توضیحات

    در پی درخواست های مکرر مخاطبان و دانشجویان گرامی، مجموعه فرادرس، اقدام به برگزاری دوره آموزشی «آنلاین» ۳۰ ساعته یادگیری تقویتی (Reinforcement Learning) نموده است.

    توجه: فیلم ضبط شده جلسه های برگزار شده این دوره برای شرکت کنندگانی که دیرتر ثبت نام می کنند و از جلسات دوم و سوم وارد دوره می شوند و یا در بعضی از جلسه ها حضور نداشتند، ارسال می گردد.

     

    نکات مهم دوره آموزش آنلاین یادگیری تقویتی (Reinforcement Learning)
    • لینک ورود به پلتفرم دوره آنلاین چند ساعت قبل از شروع دوره به شرکت کنندگان دوره ارسال میگردد.
    • نرم افزار مورد استفاده Adobe Connect است.
    • برای شرکت در دوره های آنلاین، ترجیحا سرعت اینترنت شما بایستی ۵۱۲ کیلوبیت بر ثانیه باشد.
    • پشتیبان دوره های آنلاین هر لحظه آماده راهنمایی شرکت کنندگان در دوره است.

     

    هوش مصنوعی و یادگیری ماشینی

    هوش مصنوعی، علم مطالعه و بررسی ماشین‌ هایی است که رفتار هوشمندانه دارند. مفهوم هوشمندی، چیزی است که به سختی قابل تعریف است، اما معمولا هوشمندی با توانایی یادگیری از طریق تجربه، مرتبط دانسته می‌ شود. یادگیری ماشینی، زمینه‌ ای مطالعاتی در هوش مصنوعی است که به دنبال ایجاد عامل‌ هایی همچون: برنامه‌ های کامپیوتری است که بتوانند با استفاده از تجربیات خود یاد بگیرند. ایده‌ ایجاد ماشین‌ هایی که رفتار هوشمندانه‌ انسان را تقلید می‌ کنند، بدون الهام گرفتن از هوشمندی انسان‌ ها، هیچ‌گاه کامل نخواهد بود و به ثمر نخواهد نشست.

    با گذشت زمان، هوش مصنوعی و یادگیری ماشینی در حال تبدیل شدن به رشته‌ های مهندسی هستند و ندرتا به عنوان علوم طبیعی به آن‌ ها نگریسته می‌ شود. در عصر صنعت، ما به دنبال ساختن ماشین‌ هایی بودیم که برای ما کار فیزیکی انجام دهند، اما در عصر اطلاعات، ما در پی ساختن ماشین‌ هایی هستیم که برای ما فکر کنند و دشواری‌ های ایجاد چنین ماشین‌ هایی، بسیار زیاد است، زیرا ما اطلاع دقیقی از منبع هوشمندی خودمان نداریم و طبعا نمی‌ توانیم به راحتی، ماشین‌ هایی هوشمند و نظیر خودمان را بسازیم.

    مهم ترین کاری که غالبا یک سیستم هوشمند انجام می دهد، امکان یادگیری است و اگر یک سیستم هوشمند بتواند یادگیری انسان را شبیه سازی کند، تا حدود زیادی در پیاده سازی هوش مصنوعی، موفق خواهد بود. هدف اصلی از یادگیری، یافتن شیوه‌ ای برای عملکرد در حالات مختلف است که این شیوه در مقایسه با سایرین، با در نظر گرفتن معیارهایی، بهتر است. معمولا این شیوه‌ عملکرد، از نظر ریاضی، به صورت نگاشتی از فضای حالات به فضای اعمال، قابل بیان است. هنگامی می‌ توان گفت یادگیری اتفاق افتاده است که عاملی براساس تجربیاتی که کسب می‌ کند به نحوی دیگر، و به احتمال زیاد بهتر، عمل کند. در این صورت می‌ بایست نحوه‌ عملکرد عامل در اثر کسب اطلاعات جدید، متفاوت از نحوه‌ عملکرد در زمان قبل از کسب این اطلاعات و تجارب باشد.

     

    انواع روش‌های یادگیری ماشینی

    رویکردهای مهم یادگیری ماشین، در چند دسته عمده قابل تقسیم بندی هستند، که فهرست آن ها در ادامه آمده است:

    • یادگیری نظارت شده (با ناظر): این نوع یادگیری، مرسوم ترین نوع یادگیری در سیستم آموزشی انسان ها است، اما با این حال، چیزی نیست که در طبیعت رایج باشد. در این نوع یادگیری، حضور یک خبره، معلم، ناظر و یا داده هایی حاوی دانش وی، ضروری است.
    • یادگیری غیر نظارت شده (بدون ناظر): این شیوه یادگیری، در بسیاری از موجودات و در برهه های مختلف زندگی انسان ها دیده می شود و یکی از سخت ترین نوع مسائل یادگیری است. در این نوع از یادگیری، نیازی به حضور ناظر، معلم یا خبره نیست.
    • یادگیری نیمه نظارت شده: ترکیبی از دو ایده نظارت شده و غیر نظارت شده است، که در کنار استفاده از تجارب ارائه شده توسط ناظر، توانایی استفاده از رویکردهای غیر نظارت شده نیز مد نظر قرار گرفته است.
    • یادگیری تقویتی: در این نوع از یادگیری، برای تشخیص درستی یا نادرستی روند یادگیری، از سیگنال ها و اندازه گیری های ضمنی برای یادگیری غیر مستقیم استفاده می کنند. به عبارتی، دانش فعلی ذخیره شده، توسط سیگنال های پاداش یا جریمه، تقویت (تضعیف) می شود.

     

    یادگیری تقویتی

    تفاوت اصلی میان یادگیری نظارت شده و یادگیری تقویتی این است که در یادگیری تقویتی، هیچ گاه به عامل گفته نمی‌ شود که عمل صحیح در هر وضعیت چیست و فقط به وسیله‌ معیاری، به عامل گفته می‌ شود که یک عمل چقدر خوب و چقدر بد است. این وظیفه‌ عامل یادگیرنده است که با در دست داشتن این اطلاعات، یاد بگیرد که بهترین عمل در هر وضعیت کدام است. این موضوع، بخشی از نقاط قوت خاص یادگیری تقویتی است. از این طریق، مسائل پیچیده‌ تصمیم‌گیری در اغلب اوقات می‌ توانند با فراهم کردن کمترین میزان اطلاعات مورد نیاز برای حل مساله، حل شوند. در بسیاری از حیوانات، یادگیری تقویتی، تنها شیوه‌ یادگیری مورد استفاده است، همچنین یادگیری تقویتی، بخشی اساسی از رفتار انسان‌ ها را تشکیل می‌ دهد. هنگامی که دست ما در مواجهه با حرارت می‌ سوزد ما به سرعت یاد می‌ گیریم که این کار را بار دیگر تکرار نکنیم. لذت و درد، مثال های خوبی از پاداش‌ ها هستند که الگوهای رفتاری ما و بسیاری از حیوانات را تشکیل می‌ دهند. در یادگیری تقویتی، هدف اصلی از یادگیری، انجام دادن کاری و یا رسیدن به هدفی است، بدون آن که عامل یادگیرنده، با اطلاعات مستقیم بیرونی تغذیه شود.

     

    آنچه در این دوره آموزشی فرا خواهید گرفت

    دوره آموزشی یادگیری تقویتی (Reinforcement Learning) شامل بررسی کامل و اصولی مباحث یادگیری تقویتی و الگوریتم های مختلف آن است و در کنار تشریح کامل مبانی تئوری این رویکردها، پیاده سازی عملی و گام به گام این روش ها با استفاده از متلب، مدنظر قرار خواهد گرفت.

    مطالب ارائه شده در این مجموعه آموزشی، با در نظر گرفتن کاربرد روش های یادگیری تقویتی در حوزه های مختلف مهندسی و علمی بیان می‌ شوند و از این نظر، برای طیف وسیعی از دانشجویان (به ویژه دانشجویان مهندسی کنترل و هوش مصنوعی) قابل استفاده است.

    مدرس این مجموعه آموزش، دکتر سید مصطفی کلامی هریس (دکترای تخصصی مهندسی کنترل از دانشگاه صنعتی خواجه نصیرالدین طوسی) است. یکی از زمینه های تحقیقاتی مهم ایشان، به ویژه در مقطع کارشناسی ارشد، موضوع یادگیری تقویتی بوده است و ارائه و اثبات قضیه ای جدید در خصوص یادگیری تقویتی در محیط های جدولی و ارتباط آن با سیستم های کنترل دیجیتال، از دستاوردهای پژوهشی ایشان در مقطع کارشناسی ارشد بوده است.

    به طور ویژه در این دوره آموزشی، در خصوص ارتباط و تناظر میان یادگیری تقویتی و سیستم های کنترل بهینه بحث می‌ شود که موجب ایجاد نگرشی کلی نسبت به این دو موضوع خواهد شد.

     

    ماهیت این دوره آموزشی

    مانند سایر دوره‌ هایی که این مدرس ارائه کرده است، این دوره آموزشی نیز به صورت تئوری و عملی خواهد بود. در ابتدا مباحث تئوری هر مبحث ارائه خواهد شد و پس از آن، به صورت عملی پیاده‌سازی می‌ شود.

     

    سرفصل های این دوره آموزشی

    فهرست مطالب و سرفصل های مطرح شده در این مجموعه آموزشی، در ادامه آمده است:

    درس یکم: مفاهیم بنیادین یادگیری تقویتی - کلیک کنید

    درس دوم: ماشین های بازی اهرمی - کلیک کنید

    درس سوم: مسأله یادگیری تقویتی - کلیک کنید

    درس چهارم: برنامه ریزی پویا یا Dynamic Programming (الف) - کلیک کنید

    درس پنجم: برنامه ریزی پویا یا Dynamic Programming (ب) - کلیک کنید

    درس ششم: روش های مونت کارلو یا Monte Carlo (الف) - کلیک کنید

    درس هفتم: روش های مونت کارلو یا Monte Carlo (ب) - کلیک کنید
    درس هشتم: یادگیری مبتنی بر تفاضل مقطعی (الف) - کلیک کنید
    درس نهم: یادگیری مبتنی بر تفاضل مقطعی (ب) - کلیک کنید
    درس نهم: یادگیری مبتنی بر تفاضل مقطعی (پ) - کلیک کنید

     

    مزایای ثبت نام در دوره های آموزش آنلاین کالج فرادرس
    • مجموعه فرادرس، خود را ملزم به ارائه بالاترین کیفیت آموزشی می داند.
    • با شرکت در دوره های آموزشی با کیفیت فرادرس در وقت، انرژی و هزینه های خود صرفه جویی نمایید.
    • به طور حتم با بهبود مهارت های خود، بیش از چندین برابر مبلغ پرداختی برای این دوره آموزشی را به دست خواهید آورد.

     

    اطلاعات بیشتر در مورد دوره ها
    • خوشحال می شویم، پاسخگوی شما باشیم. می توانید با شماره ۵۷۹۱۶۰۰۰ تماس بگیرید.

     

    زمان دقیق برگزاری دوره

    جلسه دوره آنلاین ساعت ۱۷ تا ۲۰

    • قسمت اول کلاس: ۱۷ تا ۱۸:۲۵
      • استراحت: ۱۸:۲۵ تا ۱۸:۳۵
    • قسمت دوم کلاس: ۱۸:۳۵ تا ۲۰


    پیش نیاز های این دوره

    - آمار و احتمالات
    - ریاضیات پایه دانشگاهی
    - برنامه‌نویسی متلب
    - آشنایی با مبانی هوش مصنوعی


    سایر آموزش های دکتر سیدمصطفی کلامی هریس






    ​راهنمای شرکت در دوره ها

    آیا می دانید که شرکت در دورها آموزشی و شروع یادگیری چقدر ساده است؟

    راهنمایی بیشتر ( +)

    در مورد این دوره یا نحوه شرکت در آن سوالی دارید؟ 
    • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
    • از طریق بخش چت آنلاین، با پشیبان های فرادرس گفتگو کنید.- همه روزهای کاری هفته از ساعت ۸ صبح تا ۱۲ شب
    • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه

    دیدگاه ها

    تا کنون ۳۴ نفراز این آموزش استفاده کرده اند.
    1. 0 از 5

      :

      هرچند سرفصلهای این دوره توی کار تخصصیم کمتر ازشون مقاله دیدم ولی به خاطر بیان شیوا و تدریس عالی آقای کلامی تو این دوره ثبت نام کردم چون هر آموزشی که از ایشون تهیه کردمو بدون استثنا یاد گرفتم. امیدوارم تو کارم هم بتونم کاربرد پیدا کنم

    2. 0 از 5

      :

      بسیار، بسیار عالی.
      عمده سرفصل ها پوشش داده شده. خیلی وقت منتظر این آموزش بودیم به ویژه اینکه مدرس آقای دکتر کلامی هستند.


    نظر شما در مورد این فرادرس چیست؟

    درج دیدگاه

    امتیاز شما به این آموزش:

    *




درخواست اطلاع رسانی شروع این دوره

این دوره قبلا برگزار شده است، و برگزاری مجدد آن، بستگی به تعداد متقاضیان این دوره دارد، چنانچه شما نیز تمایل به برگزاری مجدد این دوره دارید در کادر زیر ایمیل خود را درج نمایید.

مزایای درخواست اطلاع رسانی برگزاری دوره:

  • مطلع شدن از برگزاری دوره در اولین زمان
  • دادن بیشترین اولویت برگزاری به دوره های مورد نظر خود (دوره های با بیشترین پیش ثبت نام، با اولویت بیشتری برگزار می شوند)
  • دریافت تخفیف ویژه به هنگام برگزاری دوره، مختص افرادی که درخواست اطلاع رسانی در یک دوره داشته اند.



برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,




فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران

عضویت در خبرنامه فرادرس

برای دریافت اخبار مربوط به آخرین فرادرس های منتشر شده، ایمیل خود را در کادر زیر وارد نمایید.


تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند و فعالیت‌های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.
فرادرس مجوز نشر دیجیتال از وزرات فرهنگ و ارشاد اسلامی logo-samandehi پرداخت آنلاین -  بانک ملت پرداخت آنلاین - بانک پارسیان پرداخت آنلاین - بانک اقتصاد نوین پرداخت آنلاین - بانک سامان