سورس کد ساخت ربات مار بازی با الگوریتم های تقویتی هوش مصنوعی
زبان : پایتون
نوع کاربری : تمرینی ، کاربردی ، پروژه محور
آموزش ویدیویی : در دست ساخت
قابلیت ادغام و پیاده سازی با پروژه شما : دارد ( هزینه نسبت به پروژه شما محاسبه میشود)
مناسب برای ماشین لرنینگ و سایر حوزه های هوش مصنوعی
توضیحات بیشتر :
یادگیری تقویتی (Reinforcement Learning) یکی از انواع روشهای یادگیری ماشین است که به یک عامل (Agent) این امکان را میدهد تا از تعامل با محیط و از طریق آزمون و خطا یاد بگیرید. عامل، بازخوردهایی از محیط میگیرد و تجربههایی از محیط کسب میکند که همه به یادگیریش کمک میکنند.
در این پروژه:
ساخت بازی مار و دادن محیط آن در داخل الگوریتم های یادگیری تقویتی.
در اینجا ما از الگوریتم Q Learning استفاده کردیم.
ابتدا باید فایل model.py را اجرا کنید و حداقل 8 ساعت آن را بگذارید تا آموزش داده شود و سپس با استفاده از پوشه models که ایجاد شده می توانید مدل را بارگذاری کنید و مسیر آن را در load_model.py قرار دهید.
- تضمین اصالت و کیفیت کالا
- تضمین کمترین قیمت
- پشتیبانی ۲۴ ساعته
قیمت محصول:
30,000 تومان
پرداخت درب منزل
بعد از دریافت سفارش
تضمین قیمت محصولات
کمترین قیمت در سطح اینترنت
امکان مرجوع کردن سفارش
در صورت عدم رضایت
تضمین کیفیت و اصالت
فروش مستقیم از شرکت
ارسال سریع سفارشات
با پست پیشتاز
محصولات مشابه
دوره مقدماتی پروژه محور ماشین لرنینگ با رویکرد علوم پزشکی
سورس کد اپلیکیشن تشخیص درگاه های پرداخت فیشینگ با Pyqt5
سورس کد تشخیص افراد سیگاری با هوش مصنوعی
سورس کد تشخیص گل زعفران با هوش مصنوعی
شناسایی گل زعفران با استفاده از هوش مصنوعی و خرچنگ سازی دوره آن با استفاده از yolov5. وزن ها و داده ها خصوصی هستند. : توضیحات برای استفاده 1) باید پوشه بکسل «flowers_train» و «valid_flower» را ایجاد کنید و تصویر داده را در آنها قرار دهید. 3 نوع تصویر گل وحشت، رنج و گل نیمه باز. 2) فایل پایتون "preprocessing_data.py" را اجرا کنید تا داده ها متناسب با مدل آماده شوند. 3) فایل پایتون «test_pickle_together.py» را اجرا کنید تا بررسی کنید که شکل داده ها (رایگان، 150، 150، 3) است یا توجه داشته باشید. 4) فایل پایتون «models.py» را اجرا کنید تا مدل را ایجاد کنید و آن را به دادهها برازش دهید و مدل را ذخیره کنید. 5) فایل پایتون «load_models.py» را اجرا کنید تا از مدل ذخیره شده ای که ایجاد کرده ایم و در «models.py» ذخیره کرده ایم استفاده کنید. 6) اگر نتیجه «load_models.py» دچار مشکل شد، باید از yolov5 استفاده کنیم. 7) برای کسب اطلاعات بیشتر در مورد YOLOv5، سایت زیر را بررسی کنید: https://github.com/ultralytics/yolov5 برای کسانی که نمیدانند کتابخانه «YOLOYv5» پایتون به شناسایی اشیاء برای تصاویر رنجدیده کمک میکند. تصویر نمونه:
سورس کد شبکه عصبی برای ترجمه زبان فارسی
سورس کد فرمان صوتی با هوش مصنوعی
سورس کد کنترل موس با استفاده از وبکم
محصولات پیشنهادی
آرشیو کامل سوالات کنکور ارشد فناوری اطلاعات سلامت (HIT)
آرشیو کامل سوالات کنکور ارشد اپیدمیولوژی
دوره توسعه اپلیکیشن های ویندوز و لینوکس با پایتون + پروژه با رویکرد علوم پزشکی
آشنایی با طراحی محصول دیجیتال با رویکرد استارت آپ
حل مثال و تمرین های پایتون
حل مثال های کاربردی و مسائل بیسیک پایتون
دوره حل مثال ها و تمرین های کاربردی پایتون: تسلط بر پایتون با حل مسائل واقعی!
آیا به دنبال یادگیری عمیق و کاربردی زبان برنامه نویسی پایتون هستید؟
آیا می خواهید با حل مسائل واقعی و چالش برانگیز، مهارت خود را در پایتون به سطحی فراتر ارتقا دهید؟
دوره حل مثال ها و تمرین های کاربردی پایتون برای شما طراحی شده است!
در این دوره چه چیزهایی خواهید آموخت؟
حل مسائل و چالش های واقعی در حوزه های مختلف
تسلط بر مفاهیم پایه ای و پیشرفته پایتون
آشنایی با کتابخانه ها و ابزارهای کاربردی پایتون
ارتقای مهارت حل مسئله و تفکر خلاق
افزایش اعتماد به نفس در برنامه نویسی با پایتون
این دوره برای چه کسانی مناسب است؟
افرادی که به دنبال یادگیری عمیق و کاربردی زبان برنامه نویسی پایتون هستند
دانشجویان و فارغ التحصیلان رشته های کامپیوتر، مهندسی و علوم پایه
برنامه نویسان پایتون که به دنبال ارتقای مهارت خود هستند
علاقه مندان به حوزه های علم داده، یادگیری ماشین و هوش مصنوعی
ویژگی های منحصر به فرد این دوره:
بروز رسانی دوره
تمرکز بر حل مسائل و تمرین های کاربردی
ارائه مثال ها و تمرین های متنوع از حوزه های مختلف
استفاده از کتابخانه ها و ابزارهای روز دنیا
پشتیبانی و رفع اشکال توسط مدرس
اعطای گواهی بعد از اتمام دوره
با شرکت در این دوره، شما به یک برنامه نویس پایتون ماهر تبدیل خواهید شد که قادر به حل مسائل واقعی و چالش برانگیز در حوزه های مختلف خواهد بود.
همین امروز در دوره حل مثال ها و تمرین های کاربردی پایتون ثبت نام کنید و تسلط خود را بر پایتون به سطحی فراتر ارتقا دهید!
مهرداد حسن زاده
مهرداد حسن زاده دانشجوی رشته فناوری اطلاعات سلامت در مقطع کارشناسی ، علاقه مند دنیای آی تی و پژوهش در این زمینه می باشند.
در زمینه های طراحی اپلیکیشن با pyqt و ماشین لرنینگ، امنیت سایبری گرایش امنیت نرم افزار و اینترنت اشیاء فعالیت میکنند.
مدیر سایت مدوفایل و همچنین سابقه کار با شرکت امنیتی دیدبان گستر و همچنین پروژه های عملی در زمینه علوم پزشکی می باشند.
نقد و بررسیها
پاکسازی فیلترهنوز بررسیای ثبت نشده است.