دوره تخصصی یادگیری تقویتی با فرآیندهای گاوسی: از مبانی تا پیشرفته همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تخصصی یادگیری تقویتی با فرآیندهای گاوسی: از مبانی تا پیشرفته

موضوع کلی: دستهٔ جامع

موضوع میانی: یادگیری تقویتی پیشرفته با فرآیندهای گاوسی

📋 سرفصل‌های دوره

• 1. معرفی فرآیندهای گاوسی
• 2. مبانی احتمال و توزیع‌های گاوسی
• 3. توابع هسته (Kernel) در فرآیندهای گاوسی
• 4. استنتاج بیزیان در فرآیندهای گاوسی
• 5. تقریب‌های توزیع پستریور
• 6. الگوریتم‌های استنتاج exact و تقریبی
• 7. معرفی یادگیری تقویتی (RL)
• 8. چارچوب‌های مارکوف تصمیم‌گیری (MDP)
• 9. توابع ارزش و سیاست
• 10. الگوریتم‌های مبتنی بر مقدار (Q‑learning، SARSA)
• 11. الگوریتم‌های مبتنی بر سیاست (Policy Gradient)
• 12. ترکیب GP با توابع مقدار
• 13. GP‑based value iteration
• 14. GP‑UBC در اکتشاف‑استغلال
• 15. مدل‌سازی دینامیک محیط با GP
• 16. یادگیری مدل محیط با GP
• 17. کنترل robust با عدم certeza GP
• 18. آموزش سیاست با GP (GP‑Policy Search)
• 19. یادگیری عمیق با GP (Deep GP)
• 20. ترکیب GP‑شبکه عصبی (Gaussian Process Neural Networks)
• 21. استنتاج متغییر variationnelle در GP‑RL
• 22. استنتاج مونتی کارلو مارکوف (MCMC) برای GP
• 23. بهینه‌سازی پارامترهای هسته (Kernel Hyperparameter Optimization)
• 24. بهینه‌سازی بیزیان با GP (Bayesian Optimization) و ارتباط با RL
• 25. یادگیری چند‑عامل با GP
• 26. یادگیری تقویتی ایمن (Safe RL) با GP
• 27. محدودیت‌های consta​nt با GP (GP‑based Constraints)
• 28. یادگیری تقویتی با GP در روباتیک
• 29. کنترل مسیر با GP‑RL
• 30. یادگیری تقویتی در محیط‌های連続 (Continuous) با GP
• 31. تجزیه و تحلیل regret در GP‑RL
• 32. حد‌های نظری برای GP‑RL
• 33. مقیاس‌پذیری: GP ناهموار (Sparse GP)
• 34. متدهای FITC، VFE برای GP‑RL
• 35. GP محلی (Local GP) برای مقیاس بزرگ
• 36. GP‌های ترکیبی (Additive، Product) برای ساختارهای مرکب
• 37. یادگیری توابع récompense با GP
• 38. تأمین عدم certeza در پاداش
• 39. استراتژی‌های اکتشاف برپایه اطلاعاتی (Information Gain) با GP
• 40. Thompson Sampling با GP در RL
• 41. استفاده از GP برای مدل‌سازی عدم certeza دینامیک
• 42. یادگیری تقویتی با GP در محیط‌های parcialmente مشاهدنی (POMDP)
• 43. فیلتر کالمن گسترش‌یافته (Extended Kalman Filter) با GP
• 44. فلتر unscented Kalman با GP
• 45. یادگیری تقویتی با GP در بازی‌های صفر‑سوم
• 46. یادگیری تقویتی تعاونی با GP
• 47. آموزش سیاست از نمایش‌ها با GP (Imitation Learning)
• 48. ترکیب GP با یادگیری تقویتی معکوس
• 49. یادگیری تقویتی چندمهله‌ای (Multi‑Task) با GP
• 50. انتقال یادگیری (Transfer Learning) با GP در RL
• 51. بهینه‌سازی سیاست با روش‌های مبتنی بر گرادیان و GP
• 52. استفاده از GP در بهینه‌سازی سیاست پارامتریک (Policy Gradient)
• 53. تجزیه و تحلیل پایداری (Stability Analysis) با GP‑Lyapunov
• 54. کنترل ایمن با توابع barrier و GP
• 55. کنترل鲁棒 تحت воздействий با GP
• 56. استفاده از GP در یادگیری تقویتی عمیق (Deep RL) به‌عنوانestimator عدم certeza
• 57. ترکیب GP با Monte Carlo Tree Search (MCTS)
• 58. استفاده از GP در بازی‌های Atari (مدل‌سازی محیط)
• 59. استفاده از GP در רובوت‌های چهارپا locomotion
• 60. GP برای کنترل پرواز هوایای (UAV)
• 61. GP برای کنترل دست‌های روباتیک
• 62. استخراج ویژگی‌های وضعیت با GP (State Representation Learning)
• 63. بهبود نمایش وضعیت با Kernel PCA و GP
• 64. یادگیری تقویتی با GP در Finanzas (مدل‌سازی بازار)
• 65. GP برای مدیریت سرمایه‌گذاری پویا
• 66. استفاده از GP در کنترل فرآیندهای شیمیایی
• 67. یادگیری تقویتی با GP در شبکه‌های سنسور
• 68. بهینه‌سازی مسیر در لُجستیک با GP‑RL
• 69. استفاده از GP در بهینه‌سازی انرژی ساختمان‌ها
• 70. پروژه culminating: ساخت Agent RL با GP برای وظیفهٔ دنیای واقعی