1 |
جایگاه درس در برنامه درسی دوره |
از دروس الزامی رشته «ریاضیات و کاربردها» |
2 |
هدف کلی |
1- آشنایی با روشهای یادگیری ماشین
2- آشنایی با یادگیری تقویتی
3- آشنایی و تحلیل الگوریتمهای یادگیری تقویتی |
3 |
شایستگی های پایه |
آشنایی با روشهای بهینه سازی و نظریه احتمال |
4 |
اهداف یادگیری |
کسب مهارت در روشهای یادگیری ماشین و پیاده سازی در مسایل دنیای واقعی و حل آنها به کمک نرم افزار های متلب و پایتون و تحلیل جواب ها |
5 |
روش تدریس |
جلسات درس به صورت حضوری برگزار خواهد شد. |
6 |
وظایف دانشجو |
حضور فعال در جلسات درس، حل دقیق مسائل و تمرین های تحویلی، تحویل پروژه محوله وشرکت در آزمون های شفاهی و کتبی کلاسی و پایانی |
7 |
منبع |
Reinforcement Learning:
An Introduction
second edition
Richard S. Sutton and Andrew G. Barto |
8 |
مواد و امکانات آموزشی |
کلاس درس |
9 |
نحوه ارزشیابی |
حضور و فعالیت در جلسات کلاس، حل تمرین ها و پروژه های تحویلی، ارزیابی مستمر به کمک آزمونک های کلاسی و آزمون پایانی و تحویل پروژه نهایی |