عن الدورة
اكتشف قوة التعلّم المعزّز عبر هذه الدورة المفتوحة (MOOC). هل تساءلت يوماً كيف تتعلّم الآلات بالمحاولة والخطأ، كما يفعل الطفل عندما يتقن لعبة جديدة؟ أو كيف تتمكّن الحواسيب من التفوق على البشر في الشطرنج؟ هنا يأتي دور التعلّم المعزّز (Reinforcement Learning - RL)، وهو مجال قوي من مجالات الذكاء الاصطناعي يركّز على كيفية تعلّم الآلات من خلال التفاعل مع البيئة وتلقّي التغذية الراجعة. تُعد هذه الدورة بوابتك لفهم التعلّم المعزّز وتطبيقه. تبدأ ببناء أساس رياضي متين للمفاهيم الجوهرية في التعلّم المعزّز ضمن إعداد مبسّط، بهدف جعل الأفكار دقيقة ومنهجية وتعزيز الفهم العميق. ستتعرّف على المبادئ الأساسية التي تقوم عليها نماذج اتخاذ القرار والتعلّم من التجربة، وكيفية صياغتها رياضياً وتحليلها. وبالاعتماد على هذه الأسس، تقدّم الدورة مجموعة مختارة من خوارزميات التعلّم المعزّز العميق الحديثة (Deep RL)، لتزويدك بالقاعدة اللازمة لقراءة أبحاث التعلّم المعزّز المعاصرة ودراسة طرق جديدة، ثم نقلها إلى التطبيق العملي. كما ستتعلّم كيفية تنفيذ خوارزميات التعلّم المعزّز باستخدام بايثون، بما يربط بين الجانب النظري والتطبيقي. تقدَّم الدورة من جامعة RWTH آخن، وهي مناسبة لمن يرغب في فهم التعلّم المعزّز من منظور رياضي واضح، مع الاطلاع على خوارزميات مؤثرة في المجال الحديث والاستعداد لتتبّع التطورات البحثية وتطبيقها.
ماذا ستتعلم
- فهم أساسيات عمليات قرار ماركوف والبرمجة الديناميكية
- إتقان الأسس الرياضية للتعلّم المعزّز الجدولي بما يشمل طرق مونت كارلو وطرق الفروق الزمنية
- استيعاب مبادئ التعلّم المعزّز مع تقريبات الدوال مثل النماذج الخطية أو الشبكات العصبية العميقة
- اكتساب رؤى حول خوارزميات مؤثرة وحديثة في التعلّم المعزّز العميق
- تنفيذ خوارزميات التعلّم المعزّز باستخدام لغة بايثون
المتطلبات المسبقة
- أساسيات حساب الاحتمالات
- أساسيات تعلّم الآلة (الانحدار والتعلّم المُراقَب)
- أساسيات البرمجة بلغة بايثون
المدرسون
Prof. Sebastian Trimpe
Heads of the Institute for Data Science in Mechanical Engineering (DSME)
Paul Brunzema
Research Assistant at the Institute for Data Science in Mechanical Engineering (DSME)