یادگیری تقویتی (Reinforcement Learning) یکی از زیرشاخه های جدید و البته محبوب هوش مصنوعی (Artificial intelligence) است که به کمک آن می توان مسائل پیچیده دنیای واقعی را حل کرد. در یادگیری تقویتی، بر خلاف یادگیری ماشین (Machine Learning) نیازی به مجموعه داده (Dataset) از فضای مسئله نیست بلکه الگوریتم های یادگیری تقویتی با کاوش فضای مسئله، اقدام به حل آن خواهند کرد. امروزه برای حل مسائل یچیده تر و در مقیاس بزرگ تر، از روش های یادگیری تقویتی عمیق (Deep Reinforcement Learning) استفاده می شود. در این رویکرد، یک شبکه عصبی عمیق (Deep Neural Network) در معماری یادگیری تقویتی به کار می رود تا داده هایی که از فضای مسئله جمع آوری می شود را تحلیل و در دفعات بعدی، مسائل در زمان بسیار کمتری حل شوند. 

در این وبینار ابتدا توضیحاتی درباره یادگیری تقویتی ارائه خواهد شد، بعد از آن نقشه راه ورود به این حوزه جذاب توضیح داده خواهد شد، پیشرفت های اخیری که در این حوزه حاصل شده است بررسی  خواهد شد و در نهایت نقش یادگیری تقویتی در آینده هوش مصنوعی نیر بررسی خواهد شد.

ارتباط با مدرسین:
محمد اسدالهی:

https://www.linkedin.com/in/mohammadasadolahi/

علی نظری زاده:

https://www.linkedin.com/in/ali-nazarizadeh/