دوره یادگیری تقویتی و بازی‌های چندنفره همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی و بازی‌های چندنفره

موضوع کلی: مدل‌سازی ترجیحات و یادگیری تقویتی با بازخورد انسانی

موضوع میانی: تکنیک‌های یادگیری تقویتی با پاداش توزیع شده (Distributed Rewards)

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی
• 2. مقدمه‌ای بر محیط‌های چندنفره
• 3. عناصر اصلی یک عامل یادگیرنده
• 4. انواع الگوریتم‌های یادگیری تقویتی
• 5. یادگیری تقویتی مبتنی بر ارزش
• 6. یادگیری تقویتی مبتنی بر سیاست
• 7. توابع ارزش و تخمین آنها
• 8. معادله بلمن برای توابع ارزش
• 9. روش‌های مونت‌کارلو در یادگیری تقویتی
• 10. روش‌های تفاضل زمانی
• 11. Q-Learning: الگوریتم و کاربردها
• 12. SARSA: الگوریتم و کاربردها
• 13. الگوریتم‌های سیاست‌گرایشی
• 14. بهینه‌سازی سیاست با گرادیان سیاست
• 15. مقدمه‌ای بر یادگیری عمیق تقویتی
• 16. شبکه‌های عصبی در یادگیری تقویتی
• 17. DQN: الگوریتم و پیاده‌سازی
• 18. Double DQN و بهبود عملکرد
• 19. Prioritized Experience Replay
• 20. مدل‌های بازی چندنفره
• 21. مفاهیم اساسی تئوری بازی
• 22. بازی‌های با جمع صفر و غیر صفر
• 23. استراتژی‌های بازی و تعادل نش
• 24. بازی‌های تکراری و یادگیری در آنها
• 25. یادگیری تقویتی در بازی‌های با اطلاعات کامل
• 26. بازی‌های با اطلاعات ناقص
• 27. مقدمه‌ای بر بازی پوکر
• 28. یادگیری تقویتی در بازی پوکر
• 29. بازی‌های استراتژیک زمان واقعی
• 30. یادگیری تقویتی در بازی‌های استراتژیک
• 31. چالش‌های یادگیری تقویتی در بازی‌های چندنفره
• 32. همکاری و رقابت در بازی‌های چندنفره
• 33. یادگیری تقویتی چندعاملی
• 34. مفاهیم اساسی ارتباط و همکاری
• 35. بازی‌های هماهنگی
• 36. بازی‌های رقابتی
• 37. تکنیک‌های یادگیری تقویتی توزیع‌شده
• 38. یادگیری تقویتی در محیط‌های شبیه‌سازی‌شده
• 39. انتقال یادگیری از شبیه‌سازی به واقعیت
• 40. مقدمه‌ای بر الگوریتم‌های اکتشاف
• 41. اکتشاف ε-Greedy
• 42. اکتشاف با استفاده از نویز
• 43. اکتشاف مبتنی بر امیدواری
• 44. مفاهیم اساسی پاداش‌دهی
• 45. طراحی پاداش موثر