آموزش یادگیری تقویتی – Reinforcement Learning (رایگان)
0 ساعت
4.2
منظور از یادگیری تقویتی چیست؟ یادگیری تقویتی یکی از شاخههای مهم یادگیری ماشین است که برای حل مسائل تصمیمگیری در شرایطی که محیط به صورت پویا و تغییرکننده است، استفاده میشود. در یادگیری تقویتی، یک عامل با محیط تعامل دارد و برای رسیدن به هدف مشخص، با استفاده از روشهای تجربی و آزمایشی تصمیمهای بهینه برای عمل در محیط گرفته و از اعمال قبلی خود در محیط یاد میگیرد. اهمیت آشنایی با یادگیری تقویتی چیست؟ یادگیری تقویتی در کاربردهای گوناگونی از جمله بازیهای رایانهای، رباتیک، مدیریت مالی، تصمیمگیریهای مدیریتی و زیستشناسی مورد استفاده قرار میگیرد. همچنین در مسائلی که در آنها نمیتوان به راحتی الگوی ثابتی برای تصمیمگیری تعیین کرد، یادگیری تقویتی میتواند به عنوان یک راهحل مناسب مورد استفاده قرار گیرد. به طور کلی، یادگیری تقویتی به ما این امکان را میدهد که با استفاده از تجربه و تلاش مداوم، بتوانیم رفتارهای بهینه را در محیطهای پویا و پیچیده یاد بگیریم. در این فرادرس چه چیزی یاد میگیریم؟ ما در این آموزش قصد داریم تا مبحث یادگیری تقویتی – Reinforcement Learning را مورد بحث و بررسی قرار دهیم و مفاهیم پایه شامل عامل، کنش و محیط را معرفی کنیم.
