دوره پایتون برای یادگیری تقویتی (Reinforcement Learning) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پایتون برای یادگیری تقویتی (Reinforcement Learning)

موضوع کلی: برنامه نویسی

موضوع میانی: پایتون (Python)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. عامل و محیط در یادگیری تقویتی
• 3. سیگنال پاداش و بازخورد
• 4. فرآیند تصمیم‌گیری مارکوف (MDP)
• 5. سیاست (Policy) و تابع ارزش (Value Function)
• 6. تعریف و کاربرد تابع ارزش حالت
• 7. تعریف و کاربرد تابع ارزش حالت-عمل
• 8. معادله بلمن برای توابع ارزش
• 9. معادله بلمن بهینه
• 10. روش‌های پویایی (Dynamic Programming)
• 11. ارزیابی سیاست (Policy Evaluation)
• 12. بهبود سیاست (Policy Improvement)
• 13. تکرار سیاست (Policy Iteration)
• 14. تکرار مقدار (Value Iteration)
• 15. روش‌های مونت کارلو در یادگیری تقویتی
• 16. ارزیابی سیاست با روش مونت کارلو
• 17. کنترل با روش مونت کارلو
• 18. روش‌های تفاضل زمانی (Temporal Difference Learning)
• 19. یادگیری TD(0)
• 20. یادگیری SARSA (روش On-Policy)
• 21. یادگیری Q-Learning (روش Off-Policy)
• 22. مقایسه SARSA و Q-Learning
• 23. معیار Expected SARSA
• 24. روش‌های Eligibility Traces (TD(λ))
• 25. تعادل میان اکتشاف و بهره‌برداری
• 26. سیاست اپسیلون-حریصانه
• 27. سیاست Upper Confidence Bound (UCB)
• 28. سیاست Softmax (Boltzmann)
• 29. روش‌های مبتنی بر گرادیان سیاست (Policy Gradient)
• 30. قضیه گرادیان سیاست
• 31. الگوریتم REINFORCE
• 32. کاهش واریانس در گرادیان سیاست
• 33. روش Actor-Critic
• 34. معماری Actor-Critic پایه
• 35. Actor-Critic با مزیت (Advantage)
• 36. معرفی تابع مزیت
• 37. الگوریتم A2C (Advantage Actor-Critic)
• 38. الگوریتم A3C (Asynchronous Advantage Actor-Critic)
• 39. یادگیری تقویتی عمیق (Deep RL)
• 40. شبکه‌های عصبی در یادگیری تقویتی
• 41. الگوریتم DQN (Deep Q-Network)
• 42. استفاده از حافظه تجربی (Experience Replay)
• 43. شبکه هدف (Target Network) در DQN
• 44. بهبودهای DQN (Double DQN و Dueling DQN)
• 45. معماری DDPG (Deep Deterministic Policy Gradient)
• 46. الگوریتم PPO (Proximal Policy Optimization)
• 47. الگوریتم SAC (Soft Actor-Critic)
• 48. یادگیری تقویتی مبتنی بر مدل (Model-Based RL)
• 49. یادگیری مدل از داده‌ها
• 50. برنامه‌ریزی با مدل یادگرفته‌شده
• 51. روش Dyna-Q
• 52. تعریف فضای حالت و عمل
• 53. طراحی تابع پاداش مناسب
• 54. مسئله Credit Assignment
• 55. روش‌های یادگیری تقویتی معکوس (Inverse RL)
• 56. یادگیری تقویتی سلسله‌مراتبی (Hierarchical RL)
• 57. کاربرد یادگیری تقویتی در بازی‌ها
• 58. کاربرد یادگیری تقویتی در رباتیک
• 59. کاربرد یادگیری تقویتی در سیستم‌های توصیه‌گر
• 60. ابزارها و کتابخانه‌های یادگیری تقویتی در پایتون (OpenAI Gym و Stable Baselines)
• 61. پیاده‌سازی یک عامل Q-Learning ساده در پایتون
• 62. پیاده‌سازی یک عامل Policy Gradient ساده در پایتون
• 63. ارزیابی و مقایسه عملکرد الگوریتم‌ها