دوره یادگیری تقویتی اجتماعی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی اجتماعی

موضوع کلی: علوم رفتاری و مدل‌سازی اجتماعی

موضوع میانی: مدل‌سازی یادگیری ماشینی و یادگیری کاربردی

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی
• 2. مفاهیم کلیدی یادگیری تقویتی
• 3. عناصر اصلی یک مسئله یادگیری تقویتی
• 4. محیط و عامل در یادگیری تقویتی
• 5. انواع محیط‌های یادگیری تقویتی
• 6. پاداش و تنبیه در یادگیری تقویتی
• 7. تابع ارزش و سیاست
• 8. روش‌های یادگیری تقویتی بر اساس ارزش
• 9. روش‌های یادگیری تقویتی بر اساس سیاست
• 10. معادله بلمن برای تخمین ارزش
• 11. تخمین تابع ارزش با روش تکرار
• 12. روش‌های مونت کارلو در یادگیری تقویتی
• 13. روش‌های اختلاف زمانی (TD Learning)
• 14. Q-Learning: الگوریتم یادگیری ارزش
• 15. SARSA: الگوریتم یادگیری ارزش مبتنی بر سیاست
• 16. Deep Q-Network (DQN) و کاربرد شبکه‌های عصبی
• 17. استفاده از شبکه‌های عصبی در تخمین تابع ارزش
• 18. تنظیم پارامترهای DQN
• 19. کاوش و بهره‌برداری (Exploration vs. Exploitation)
• 20. روش‌های کاوش در یادگیری تقویتی
• 21. ε-Greedy Policy
• 22. Softmax Action Selection
• 23. تابع سیاست گرادیانی
• 24. روش‌های سیاست گرادیانی تک‌گام
• 25. روش‌های سیاست گرادیانی چندگام
• 26. Actor-Critic Methods
• 27. مزایا و معایب روش‌های Actor-Critic
• 28. یادگیری تقویتی در محیط‌های گسسته
• 29. یادگیری تقویتی در محیط‌های پیوسته
• 30. تابع ارزش تقریبی در محیط‌های پیوسته
• 31. روش‌های تقریب تابع در یادگیری تقویتی
• 32. یادگیری تقویتی سلسله مراتبی
• 33. روش‌های یادگیری تقویتی چندعاملی
• 34. کاربردهای یادگیری تقویتی در رباتیک
• 35. یادگیری تقویتی در بازی‌ها
• 36. یادگیری تقویتی در مدیریت منابع
• 37. یادگیری تقویتی در سیستم‌های توصیه‌گر
• 38. یادگیری تقویتی در کنترل فرایندها
• 39. چالش‌های یادگیری تقویتی
• 40. انتخاب ویژگی‌ها در یادگیری تقویتی
• 41. مسائل مربوط به پایداری یادگیری تقویتی
• 42. یادگیری انتقال (Transfer Learning) در یادگیری تقویتی
• 43. یادگیری تقویتی آفلاین (Offline Reinforcement Learning)
• 44. یادگیری تقویتی ایمن (Safe Reinforcement Learning)
• 45. ارزیابی عملکرد الگوریتم‌های یادگیری تقویتی