دوره کاربرد یادگیری تقویتی: حل مسائل پیچیده با یادگیری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد یادگیری تقویتی: حل مسائل پیچیده با یادگیری

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: مبانی یادگیری تقویتی (RL)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی و کاربردهای آن
• 2. مفاهیم پایه یادگیری تقویتی: عامل، محیط، پاداش، حالت
• 3. فرآیند تصمیم‌گیری مارکوف (MDP)
• 4. معادلات بلمن و کاربرد آن‌ها
• 5. حل معادلات بلمن: روش تکرار مقداری (Value Iteration)
• 6. حل معادلات بلمن: روش تکرار سیاست (Policy Iteration)
• 7. یادگیری تقویتی بدون مدل (Model-Free RL)
• 8. روش‌های مونت‌کارلو (Monte Carlo Methods)
• 9. تفاضل زمانی (Temporal Difference Learning)
• 10. Q-learning: الگوریتم و کاربردها
• 11. Sarsa: الگوریتم و کاربردها
• 12. انتخاب عمل (Action Selection): اپسیلون-گریدی (Epsilon-Greedy)
• 13. انتخاب عمل: سافت‌مکس (Softmax)
• 14. تقریب توابع (Function Approximation)
• 15. شبکه‌های عصبی به عنوان تقریب‌گر تابع (Neural Networks as Function Approximators)
• 16. Deep Q-Network (DQN) و بهبودهای آن
• 17. روش‌های سیاست‌گرادیان (Policy Gradient Methods)
• 18. REINFORCE: الگوریتم پایه سیاست‌گرادیان
• 19. Actor-Critic Methods
• 20. A2C و A3C
• 21. Proximal Policy Optimization (PPO)
• 22. Trust Region Policy Optimization (TRPO)
• 23. یادگیری تقویتی در محیط‌های پیوسته (Continuous Control)
• 24. Deep Deterministic Policy Gradient (DDPG)
• 25. Twin Delayed DDPG (TD3)
• 26. Soft Actor-Critic (SAC)
• 27. یادگیری تقویتی چندعامله (Multi-Agent Reinforcement Learning - MARL)
• 28. مفاهیم پایه MARL: همکاری و رقابت
• 29. روش‌های هماهنگ‌سازی در MARL
• 30. Independent Q-Learning
• 31. Centralized Training with Decentralized Execution (CTDE)
• 32. Counterfactual Multi-Agent Policy Gradients (COMA)
• 33. Multi-Agent Deep Deterministic Policy Gradient (MADDPG)
• 34. استفاده از MARL در بازی‌ها (Games)
• 35. کاربرد MARL در رباتیک
• 36. کاربرد MARL در مدیریت منابع
• 37. کاربرد MARL در شبکه‌های ارتباطی
• 38. چالش‌ها و محدودیت‌های MARL
• 39. آینده یادگیری تقویتی و MARL
• 40. پیاده‌سازی یک پروژه یادگیری تقویتی ساده
• 41. بهینه‌سازی هایپرپارامترها در یادگیری تقویتی
• 42. استفاده از کتابخانه‌های یادگیری تقویتی (TensorFlow Agents, PyTorch RL)