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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی میانگین میدانی

موضوع کلی: مدل‌سازی و حل معادلات دیفرانسیل تصادفی در بازی‌های میانگین میدانی

موضوع میانی: مدل‌سازی انتشار رفتار و ایده‌ها

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی
• 2. مفاهیم کلیدی یادگیری تقویتی
• 3. عناصر اصلی یک مسئله یادگیری تقویتی
• 4. مدل‌های مارکوف و فرایندهای تصمیم‌گیری مارکوف
• 5. معادلات بلمن
• 6. ارزش و تابع Q
• 7. تفاوت بین سیاست‌محور و ارزش‌محور
• 8. روش‌های حل معادلات بلمن
• 9. روش تکرار مقدار
• 10. روش تکرار سیاست
• 11. یادگیری تقویتی مبتنی بر نمونه‌گیری
• 12. روش مونت‌کارلو
• 13. تخمین گرادیان سیاست
• 14. روش‌های زمانی تفاضلی
• 15. Q-Learning
• 16. SARSA
• 17. Deep Q-Network (DQN)
• 18. شبکه‌های عصبی کانولوشنال در DQN
• 19. تجربه ری‌پلی
• 20. هدف‌های ثابت
• 21. روش‌های پیشرفته DQN
• 22. Double DQN
• 23. Dueling DQN
• 24. Prioritized Experience Replay
• 25. یادگیری تقویتی پیوسته
• 26. روش‌های مبتنی بر سیاست پیوسته
• 27. Actor-Critic Methods
• 28. A2C و A3C
• 29. Trust Region Policy Optimization (TRPO)
• 30. Proximal Policy Optimization (PPO)
• 31. یادگیری تقویتی چندعاملی
• 32. محیط‌های رقابتی
• 33. محیط‌های مشارکتی
• 34. بازی‌های چندعاملی
• 35. یادگیری تقویتی سلسله مراتبی
• 36. یادگیری تقویتی با پاداش‌های پراکنده
• 37. یادگیری تقویتی با اکتشاف
• 38. استراتژی‌های اکتشاف
• 39. روش‌های اکتشاف مبتنی بر شمارش
• 40. روش‌های اکتشاف مبتنی بر یادگیری
• 41. انتقال یادگیری در یادگیری تقویتی
• 42. یادگیری تقویتی از طریق تقلید
• 43. یادگیری تقویتی آفلاین
• 44. کاربردهای یادگیری تقویتی در رباتیک
• 45. کاربردهای یادگیری تقویتی در بازی‌ها