یادگیری تقویت شده و عمیق در زبان پایتون (تئوری و پروژه ها)

آموزش تقویت: یادگیری عمیق Q، SARSA، RL عمیق، با مسابقه ماشین و پروژه تجاری و پروژه و مصاحبه

عنوان اصلی : Reinforcement Learning & Deep RL Python(Theory & Projects)

سرفصل های دوره :

مقدمه:
درخواست بررسی صادقانه شما
پیوندهای مواد و کدهای دوره
انگیزه و کاربردها:
پیوندهای مواد و کدهای دوره
RL در مقابل سایر چارچوب‌های ML
محدودیت های RL
تمرینات
اصطلاحات RL :
پیوندهای مواد و کدهای دوره
مقدمه
محیط
نماینده
اقدام
ایالت
وضعیت هدف و انجام شده
پاداش
فعالیت سرگرم کننده
سیاست و برنامه
قسمت
راه حل تصادفی ساده:
پیوندهای مواد و کدهای دوره
معرفی ماژول
معرفی بازی
قوانین بازی
راه اندازی بازی Python pt 1
راه اندازی بازی Python pt 2
راه اندازی بازی Python pt 3
بازی به صورت دستی انجام می شود
اجرای راه حل تصادفی
آموزش Q و نظریه جدول Q
پیاده سازی آموزش Q قسمت 1
Dry Run of get State
پیاده سازی آموزش Q قسمت 2
پیاده سازی آموزش Q قسمت 3
نتیجه گیری
راه حل یادگیری Q مبتنی بر RL:
پیوندهای مواد و کدهای دوره
معرفی ورزشگاه
قوانین دریاچه یخ زده
اجرای Frozen Lake pt 1
اجرای Frozen Lake pt 2
اجرای Frozen Lake pt 3
اجرای Frozen Lake pt 4
عامل بازی را انجام می دهد
نتیجه گیری
هیپرپارامترها و مفاهیم:
پیوندهای مواد و کدهای دوره
معرفی ماژول
اپسیلون
به‌روزرسانی مقدار اپسیلون
گاما، ضریب تخفیف
نرخ یادگیری آلفا
معادله یادگیری Q
کوئیز (تعداد قسمت)
راه حل (تعداد قسمت)
مسابقه (آلفا)
راه حل (آلفا)
SARSA:
پیوندهای مواد و کدهای دوره
معرفی SARSA
خط مشی خاموش در مقابل خط مشی روشن
پیاده سازی SARSA
به‌روزرسانی پیاده‌سازی SARSA
مزایا و معایب
بنیاد DNN برای Deep RL:
پیوندهای مواد و کدهای دوره
چرا یادگیری عمیق؟
چرا PyTorch
نصب PyTorch و معرفی Tensor
Pytorch تمایز خودکار جدید
چرا DNN ها در یادگیری ماشینی؟
قدرت بازنمایی و ظرفیت استفاده از داده DNN
پرسپترون
تمرین پرسپترون
محل تمرین پرسپترون
اجرای پرسپترون
معماری DNN
تمرین معماری DNN
راه حل تمرین معماری DNN
اجرای DNN ForwardStep
DNN چرا عملکرد فعالسازی مورد نیاز است
DNN چرا عملکرد فعالسازی مورد نیاز است
DNN چرا عملکرد فعالسازی مورد نیاز است راه حل تمرین
MDP
ویژگی‌های تابع فعال‌سازی DNN
توابع فعال سازی DNN در Pytorch
DNN تابع ضرر چیست
DNN تمرین عملکرد از دست دادن چیست
DNN راه حل تمرین عملکرد از دست دادن چیست
DNN عملکرد ضایعات چیست تمرین 2
DNN تابع Loss چیست راه حل تمرین 2
عملکرد از دست دادن DNN در Pytorch
DNN Gradient Descent
تمرین نزول گرادیان DNN
راه حل تمرین نزول گرادیان DNN
اجرای نزول گرادیان DNN
مینی بچ دسته ای تصادفی شیب نزولی DNN
DNN Gradient Descent خلاصه
گام گرادیان اجرای DNN
پیاده‌سازی DNN نزولی گرادیان تصادفی
نزول گرادیان دسته ای پیاده سازی DNN
پیاده‌سازی DNN مینی‌بچ نزول گرادیان
پیاده سازی DNN در PyTorch
مقدار دهی اولیه وزن DNN
نرخ یادگیری DNN
نرمال سازی دسته ای DNN
اجرای عادی سازی دسته ای DNN
بهینه سازی DNN
قطع شدن DNN
DNN Dropout در PyTorch
توقف زودهنگام DNN
هایپرپارامترهای DNN
DNN Pytorch CIFAR10 مثال
Deep RL DQN:
پیوندهای مواد و کدهای دوره
مقدمه و خلاصه
مراحل الگوریتم DQN
معرفی پروژه (قطب سبد خرید)
شبکه سیاست توضیح داده شد
اجرای کلاس شبکه عصبی
بازپخش حافظه و تجربه
پیاده سازی را تجربه کنید
پیاده سازی حافظه مجدد
شبکه و جمع بندی هدف
استراتژی اپسیلون گریدی اجرا شد
کلاس عامل اجرا شد
اجرای مدیر محیط زیست
چگونه دولت بگیریم
پیش پردازش صفحه
برش صفحه
تغییر صفحه نمایش
صفحه نمایش پردازش شده در مقابل غیر پردازش شده
Moving Ag پیاده سازی شد
ترسیم میانگین متحرک
Hyperparameter Initialization
راه اندازی کلاس ها
اجرای ساختار نهایی بخش 1
استخراج تانسورها
اجرای ساختار نهایی قسمت 2
ماشین حساب Qvalues ​​پیاده سازی شد
حذف خطاها اجرای ساختار نهایی قسمت 3
تجسم آموزش
StableBaseLines Cartpole Solution:
پیوندهای مواد و کدهای دوره
مقدمه ای بر پایه پایدار
بارگیری و درک محیط
مدل قطار RL
ارزیابی و آزمون
پاسخ به تماس و توقف زودهنگام
تغییر معماری خط مشی
تغییر الگوریتم
نکاتی برای بهبود دقت
ربات تجاری RL :
پیوندهای مواد و کدهای دوره
مقدمه ای بر کتابخانه ها و پروژه
بارگیری داده ها
تنظیم محیط
عملکردهای تصادفی
مدل آموزش و ارزشیابی
بازی اتومبیل رانی:
پیوندهای مواد و کدهای دوره
معرفی بازی
وارد کردن وابستگی ها
کاوش در محیط زیست
آموزش و تست مدل
آماده سازی مصاحبه:
پیوندهای مواد و کدهای دوره
آمادگی 1
آمادگی 2
تشکر ویدیو جایزه