کتاب یادگیری تقویتی کاربردی با الگوریتم Q-Learning: از تئوری تا پیاده‌سازی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی کاربردی با الگوریتم Q-Learning: از تئوری تا پیاده‌سازی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری تقویتی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. مفاهیم پایه یادگیری تقویتی
• 3. عناصر اصلی یک مسئله یادگیری تقویتی
• 4. محیط و عامل در یادگیری تقویتی
• 5. پاداش و تنبیه در یادگیری تقویتی
• 6. سیاست‌ها و توابع ارزش در یادگیری تقویتی
• 7. تفاوت یادگیری تقویتی با سایر روش‌های یادگیری
• 8. معرفی الگوریتم Q-Learning
• 9. جدول Q و نحوه به‌روزرسانی آن
• 10. مفهوم تابع ارزش Q
• 11. الگوریتم Q-Learning: گام به گام
• 12. پیاده‌سازی Q-Learning در یک محیط ساده
• 13. کاوش و بهره‌برداری در Q-Learning
• 14. استراتژی‌های کاوش (ε-greedy، Softmax)
• 15. اثر نرخ یادگیری در Q-Learning
• 16. تأثیر فاکتور تخفیف (Discount Factor) در Q-Learning
• 17. حل مسائل با استفاده از Q-Learning: مثال‌های کاربردی
• 18. Q-Learning در محیط‌های گسسته
• 19. Q-Learning در محیط‌های پیوسته (تقریب تابع ارزش)
• 20. توابع پایه (Basis Functions) در تقریب تابع ارزش
• 21. شبکه‌های عصبی به عنوان تقریب‌گر تابع ارزش
• 22. Deep Q-Network (DQN)
• 23. مفاهیم کلیدی DQN: Experience Replay و Target Network
• 24. پیاده‌سازی DQN
• 25. بهینه‌سازی DQN: تکنیک‌های پیشرفته
• 26. Dueling DQN
• 27. Double DQN
• 28. Prioritized Experience Replay
• 29. نرم‌افزارهای شبیه‌سازی یادگیری تقویتی
• 30. OpenAI Gym
• 31. TensorFlow Agents
• 32. PyTorch
• 33. کاربردهای یادگیری تقویتی در رباتیک
• 34. کنترل ربات با استفاده از یادگیری تقویتی
• 35. یادگیری تقویتی در بازی‌ها (Atari, Go)
• 36. یادگیری تقویتی در مدیریت منابع
• 37. بهینه‌سازی پورتفوی مالی با یادگیری تقویتی
• 38. یادگیری تقویتی در سیستم‌های توصیه‌گر
• 39. چالش‌ها و محدودیت‌های یادگیری تقویتی
• 40. اهمیت انتخاب ویژگی‌ها در یادگیری تقویتی
• 41. مشکلات مربوط به پاداش‌های پراکنده (Sparse Rewards)
• 42. یادگیری تقویتی چندعاملی (Multi-Agent Reinforcement Learning)
• 43. مفاهیم پایه MARL
• 44. روش‌های MARL
• 45. یادگیری تقویتی آفلاین (Offline Reinforcement Learning)
• 46. مفاهیم و کاربردهای یادگیری تقویتی آفلاین
• 47. یادگیری تقویتی ایمن (Safe Reinforcement Learning)
• 48. مفاهیم و تکنیک‌های یادگیری تقویتی ایمن
• 49. یادگیری انتقالی در یادگیری تقویتی (Transfer Learning)
• 50. یادگیری تقویتی سلسله‌مراتبی (Hierarchical Reinforcement Learning)
• 51. یادگیری تقویتی مبتنی بر مدل (Model-Based Reinforcement Learning)
• 52. تفاوت‌های یادگیری تقویتی مبتنی بر مدل و بدون مدل
• 53. یادگیری تقویتی معکوس (Inverse Reinforcement Learning)
• 54. یادگیری تقویتی با پاداش شکل‌گرفته (Reward Shaping)
• 55. تکنیک‌های بهبود پایداری یادگیری تقویتی
• 56. تحلیل حساسیت پارامترهای یادگیری تقویتی
• 57. مقایسه الگوریتم‌های یادگیری تقویتی (Q-Learning, SARSA, DQN)
• 58. استفاده از یادگیری تقویتی در مسائل بهینه‌سازی ترکیبی
• 59. یادگیری تقویتی و اخلاق
• 60. آینده یادگیری تقویتی و جهت‌های تحقیقاتی