أساسيات التعلم بالعينات

يركز هذا المساق على خوارزميات تتعلم سياسات قريبة من المثالية انطلاقًا من تجارب التفاعل مع البيئة دون الحاجة إلى معرفة مسبقة بديناميكياتها. يتم تغطية طرق مونتي كارلو البسيطة ولكن الفعالة، بالإضافة إلى طرق التعلم بالتفاوت الزمني مثل Q-learning. كما يبحث المساق في الجمع بين التخطيط القائم على النماذج والتحديثات بالتفاوت الزمني لتسريع التعلم بشكل كبير. يهتم المساق بتقديم أسس قوية لفهم ووظائف هذه الخوارزميات وتطبيقاتها في تعلم الآلة الذكي.

• فهم استراتيجيات التعلم بالتفاوت الزمني ومونتي كارلو لتقدير دوال القيمة من التجربة المأخوذة عيناتها
• تحليل أهمية الاستكشاف عند استخدام التجربة بدلاً من التقييم الديناميكي للنموذج
• تنفيذ وتطبيق خوارزمية التعلم بالتفاوت الزمني لتقدير دوال القيمة
• تنفيذ وتطبيق طريقتي Expected Sarsa و Q-learning للتحكم
• تمييز الفرق بين التحكم بالسياسة الحالية والتحكم بسياسة مختلفة

• معرفة أساسية بالاحتمالات والتوقعات
• جبر خطي أساسي
• حساب تفاضلي وتكاملي أساسي