یادگیری تقویتی ،(Reinforcement Learning ) یکی از روش‌های محبوب یادگیری ماشین است که به تازگی مورد توجه دانشمندان این حوزه قرار گرفته‌است. یادگیری تقویتی روشی بر پایه سعی و خطای عامل در ارتباط با محیط است. در این روش عامل سعی می‌کند با امتحان کردن اقدامات ممکن و با توجه به بازخوردی که از محیط به صورت پاداش یا تنبیه میگیرد، اعمال خود را بهینه کند. در این نوع از یادگیری بر خلاف روش های سنتی یادگیری ماشین که به عامل میگوییم چه کاری صحیح و چه کاری اشتباه است، عامل را در محیط رها میکنیم تا خود با استفاده از تجربیاتش به یادگیری بپردازد.

در راستای آموزش این مهارت به دانشجویان، انجمن علمی دانشکده کامپیوتر، اقدام به برگزاری دوره آموزشی "یادگیری تقویتی" نمود. این دوره آموزشی در دوازده جلسه طی شش هفته در دانشکده کامپیوتر برگزار گردید.

از جمله سرفصل‌های تدریس شده در این دوره آموزشی:

1. RL Introduction
2. Single State RL
3. Model-Based RL
4. Model-Free RL
5. Eligibility Traces

0

0