کتاب PyMARL: ابزاری حیاتی برای نسل بعدی هوش مصنوعی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره PyMARL: ابزاری حیاتی برای نسل بعدی هوش مصنوعی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: PyMARL

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
  • 2. چالش‌های یادگیری تقویتی چندعامله
  • 3. معرفی PyMARL: یک چارچوب یادگیری تقویتی چندعامله
  • 4. نصب و راه‌اندازی PyMARL
  • 5. ساختار کد PyMARL: یک بررسی کلی
  • 6. آشنایی با محیط‌های MARL در PyMARL
  • 7. مفهوم Centralized Training with Decentralized Execution (CTDE)
  • 8. پیاده‌سازی الگوریتم‌های QMIX با PyMARL
  • 9. تنظیمات هایپرپارامترها در QMIX
  • 10. آشنایی با الگوریتم COMA در PyMARL
  • 11. پیاده‌سازی الگوریتم COMA و تنظیمات آن
  • 12. بررسی الگوریتم MADDPG در PyMARL
  • 13. تنظیمات و بهینه‌سازی MADDPG
  • 14. مقدمه‌ای بر الگوریتم MAPPO در PyMARL
  • 15. پیاده‌سازی MAPPO و تنظیمات آن
  • 16. استفاده از شبکه‌های عصبی در PyMARL
  • 17. طراحی و پیاده‌سازی توابع پاداش در MARL
  • 18. ارزیابی عملکرد الگوریتم‌های MARL در PyMARL
  • 19. تجزیه و تحلیل نتایج و بهبود عملکرد
  • 20. کار با محیط‌های شبیه‌سازی مختلف در PyMARL (StarCraft II، MPE)
  • 21. ادغام PyMARL با محیط‌های سفارشی
  • 22. مفاهیم پیشرفته در PyMARL: Communication Learning
  • 23. پیاده‌سازی ارتباط بین عامل‌ها با PyMARL
  • 24. مفاهیم پیشرفته در PyMARL: Opponent Modeling
  • 25. مدل‌سازی حریف در PyMARL
  • 26. مفاهیم پیشرفته در PyMARL: Multi-Agent Credit Assignment
  • 27. تخصیص اعتبار به عامل‌ها در PyMARL
  • 28. بهینه‌سازی عملکرد با استفاده از تکنیک‌های Distributed Training
  • 29. استفاده از GPU برای تسریع آموزش
  • 30. آشنایی با ابزارهای مانیتورینگ و Visualization در PyMARL
  • 31. بررسی Case Study: حل مسائل واقعی با PyMARL
  • 32. پیاده‌سازی یک پروژه MARL نمونه با PyMARL
  • 33. Debugging و رفع اشکال در PyMARL
  • 34. بهبود پایداری آموزش در MARL
  • 35. استفاده از PyMARL برای مسائل همکاری و رقابت
  • 36. کار با محیط‌های Partially Observable
  • 37. پیاده‌سازی الگوریتم‌های Recurrent MARL
  • 38. تکنیک‌های انتقال یادگیری در MARL
  • 39. آشنایی با کتابخانه‌های مکمل PyMARL
  • 40. آینده PyMARL و مسیرهای تحقیقاتی
تگ‌ها: AI Centralized Training COMA Deep Reinforcement Learning MADDPG MAPPO MARL Multi-Agent Reinforcement Learning PyMARL Python QMIX هوش مصنوعی هوش مصنوعی چندعامله یادگیری تقویتی یادگیری تقویتی چندعامله

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.