درس همزمان جنبەی آموزشی و پژوهشی دارد. یکی از اهداف مهم کسب آمادگی برای دنبال کردن مقالات و ادبیات روز در موضوع یادگیری برخط، پژوهش در زمینەهای نزدیک و به کارگیری این ایدەها در مدل‌سازی و ارایەی راه حل برای مسالەهای واقعی است.

تصمیم‌گیری در حضور عدم قطعیت، چالشی همیشگی، با اهمیت و همراه با کابردهای روزافزون است. یادگیری برخط چارچوبی است برای مدل‌سازی و طراحی فرآیند تصمیم‌گیری در دنبالەای از موقعیت‌ها، بر مبنای اطلاعاتی (نه لزوماکامل) از تصمیم‌های قبلی و نتایج آن‌ها. در این فرآیند، یادگیرنده هم‌زمان که پیامدهای تصمیم‌های مختلف را می‌آموزد، هزینەی این تصمیم‌ها را نیز پرداخت می‌کند و بنابراین مسالەی اصلی برقراری توازنی است میان تصمیم‌هایی که منجر به کشف بهتر محیط می‌شوند (اکتشاف) و آنهایی‌که بر مبنای آنچه تا کنون آموختەایم کمترین هزینە را دارند (بهرەبرداری). دستەی خاصی از مسالەهای یادگیری برخط، با عنوان مسالەهای بندیت، در سال‌های اخیر مورد توجه زیادی قرارگرفتەاند و پژوهش‌های انجام شده دربارەی آنها، نظریەای غنی به وجود آورده که نویدبخش پیشرفت‌های اساسی در یادگیری برخط و حوزەهای مرتبط مانند یادگیری تقویتی در آیندەی نزدیک است.

• مقدمه
  • بازی حدس زدن!
  • مشاوره با مشاوران!
  • بندیت چنددستەی
• کاهش گرادیان برخط
  • رگرسیون برخط
• ارتباط یادگیری برخط و یادگیری کلاسیک
  • ارتباط پشیمانی و PAC
  • مسالەی دستەبندی برخط
• بازخورد محدود
  • بندیت چنددستەای و الگوریتم EXP3
  • بندیت زمینەای و الگوریتم EXP4
  • بندیت خطی
  • بندیت‌های ترکیبیاتی
  • بندیت ناایستا
• کاهش آیینەای
  • بەروزرسانی ضربی وزن‌ها
  • EXP3
• پیروی از پیشروی منظم‌شده
  • مسیریابی درگراف
• مسالەها و مباحث انتخابی …

تسلط به احتمال و توانایی اولیه در انجام آزمایش و شبیەسازی کامپیوتری ضروری است. آشنایی هرچه بیشتر با فرآیندهای تصادفی، آمار و یادگیری، الگوریتم، بهینەسازی (محدب)، نظریەی بازی‌ها برای پیگیری درس مفید است.

• [1] Shalev-Shwartz, Shai. Online learning and online convex optimization. Foundations and trends in Machine Learning 4.2 (2011): 107-194.
• [2] Elad Hazan. Introduction to Online Convex Optimization, Now Publishers, .2016
• [3] Tor Lattimore, Csaba Szepesvari. Bandit Algorithms. Cambridge University Press, 2020.
• [4] Francesco Orabona A Modern Introduction to Online Learning. 2021

• طرح الف) آموزشی
  • تمرین (۶ نمره): دو یا سه سری تمرین تحویلی
  • امتحان پایان‌ترم (٧ نمره): امتحانی شفاهی از مفاهیم، مسالەها، اثبات‌ها یا طرح اثبات قضیەها
  • امتحان خانەبَر (٨ نمره): امتحانی برای حل مسالەهای سخت!

• طرح ب) پژوهشی
  • تمرین (۶ نمره): دو یا سه سری تمرین تحویلی
  • امتحان پایان‌ترم (٧ نمره): امتحانی شفاهی از مفاهیم، مسالەها، اثبات‌ها یا طرح اثبات قضیەها
  • پروژه (١٠ نمره): طرح یک مسالە، تلاش برای حل مساله با شبیەسازی، محاسبه، بررسی مثال، حدس، اثبات، ….گزارش مکتوب و شفاهی از کارهای انجام شده.


کسانی که طرح ارزشیابی پژوهشی را انتخاب می‌کنند، همراه درس یادگیری برخط درس سمینار نظریەی یادگیری را نیز خواهند گرفت و نمرەی درس سمینارشان همان نمرەی درس یادگیری برخط خواهد بود. به علت محدودیت در تصحیح و بررسی تمرین‌ها، امتحانات و پروژەها، ظرفیت درس محدود خواهد بود. ابتدا نوبت ثبت نام با دانشجویان تحصیلات تکمیلی است و پس از آن با توجه به ظرفیت باقیمانده، درخواست‌های دانشجویان کارشناسی بررسی و با ثبت نام تعدادی از آنها موافقت خواهد شد.