دوره PyMARL: چارچوبی استاندارد برای پژوهش و توسعه در MARL همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره PyMARL: چارچوبی استاندارد برای پژوهش و توسعه در MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: PyMARL

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چند عامله
• 2. مفاهیم پایه یادگیری تقویتی
• 3. محیط‌های چند عامله
• 4. نمایندگی حالت و عمل در MARL
• 5. تابع ارزش و سیاست در MARL
• 6. الگوریتم‌های یادگیری تقویتی پایه
• 7. Q-Learning در محیط‌های چند عامله
• 8. SARSA در محیط‌های چند عامله
• 9. روش‌های مبتنی بر سیاست
• 10. گرادیان سیاست
• 11. تکنیک‌های اکتشاف در MARL
• 12. چالش‌های همکاری در MARL
• 13. بازی‌های جمع‌بندی‌شده و تعادل نش
• 14. مقدمه‌ای بر شبکه‌های عصبی
• 15. شبکه‌های عصبی عمیق برای تقریب تابع ارزش
• 16. شبکه‌های عصبی عمیق برای تقریب سیاست
• 17. روش‌های Actor-Critic در MARL
• 18. DDPG برای MARL پیوسته
• 19. TD3 برای MARL پیوسته
• 20. PPO برای MARL گسسته
• 21. مقدمه‌ای بر یادگیری تقویتی متمرکز
• 22. یادگیری تقویتی متمرکز با منتقد
• 23. یادگیری تقویتی متمرکز با Actor
• 24. چالش‌های پایداری و همگرایی در MARL
• 25. تکنیک‌های کاهش واریانس
• 26. استفاده از حافظه Replay در MARL
• 27. یادگیری انتقال
• 28. یادگیری انتقال آفلاین
• 29. یادگیری انتقال آنلاین
• 30. یادگیری چند وظیفه‌ای در MARL
• 31. یادگیری با پاداش‌های پراکنده
• 32. یادگیری با پاداش‌های متناقض
• 33. تکنیک‌های شکل‌دهی پاداش
• 34. یادگیری تقویتی سلسله مراتبی
• 35. مقدمه‌ای بر الگوریتم‌های مبتنی بر مدل
• 36. یادگیری مدل محیط
• 37. استفاده از مدل برای برنامه‌ریزی
• 38. یادگیری تقویتی با مدل
• 39. یادگیری تقویتی مخالف
• 40. بازی‌های مینی‌ماکس
• 41. روش‌های جستجوی درخت مونت‌کارلو (MCTS)
• 42. MCTS در MARL
• 43. یادگیری تقویتی با تقلید
• 44. یادگیری از تظاهرات
• 45. یادگیری تقویتی معکوس
• 46. ارزیابی سیاست‌های MARL
• 47. متریک‌های ارزیابی
• 48. مقایسه سیاست‌ها
• 49. تحلیل حساسیت
• 50. چالش‌های مقیاس‌پذیری در MARL
• 51. تکنیک‌های موازی‌سازی
• 52. یادگیری توزیع‌شده
• 53. استفاده از GPU و TPU
• 54. کاربردهای MARL در رباتیک
• 55. MARL برای کنترل چند رباتی
• 56. MARL برای مسیریابی
• 57. کاربردهای MARL در بازی‌ها
• 58. MARL برای استراتژی‌های بازی
• 59. MARL برای همکاری تیمی
• 60. کاربردهای MARL در مدیریت منابع
• 61. MARL برای تخصیص منابع
• 62. MARL برای بهینه‌سازی شبکه‌ها
• 63. کاربردهای MARL در اقتصاد
• 64. MARL برای طراحی بازار
• 65. MARL برای قیمت‌گذاری پویا
• 66. چالش‌های اخلاقی در MARL
• 67. امنیت و قابلیت اطمینان
• 68. شفافیت و توضیح‌پذیری
• 69. مستقبل MARL
• 70. گرایش‌های تحقیقاتی
• 71. چالش‌های پیش رو
• 72. آشنایی با چارچوب PyMARL
• 73. نصب و پیکربندی PyMARL
• 74. ساختار کد PyMARL
• 75. اجرای یک آزمایش ساده در PyMARL
• 76. سفارشی‌سازی محیط‌های MARL
• 77. پیاده‌سازی الگوریتم‌های جدید در PyMARL
• 78. استفاده از ابزارهای مانیتورینگ PyMARL
• 79. دیباگینگ کدهای PyMARL
• 80. بهینه‌سازی عملکرد PyMARL
• 81. مستندسازی و مشارکت در PyMARL