فلش‌کارت‌های آموزشی ساخت بازی با یادگیری تقویتی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت بازی با یادگیری تقویتی

موضوع کلی: برنامه نویسی

موضوع میانی: یادگیری عمیق (Deep Learning)

📋 سرفصل‌های دوره

• 1. معرفی دوره: ساخت بازی با یادگیری تقویتی
• 2. مروری بر اصول برنامه‌نویسی پایتون برای هوش مصنوعی
• 3. نصب و راه‌اندازی محیط توسعه (کتابخانه‌های NumPy, SciPy, Matplotlib)
• 4. مقدمه‌ای بر ریاضیات یادگیری ماشین: جبر خطی کاربردی
• 5. مقدمه‌ای بر ریاضیات یادگیری ماشین: حسابان کاربردی
• 6. مقدمه‌ای بر ریاضیات یادگیری ماشین: آمار و احتمال
• 7. مقدمه‌ای بر یادگیری ماشین: نظارت‌شده و نظارت‌نشده
• 8. مفاهیم پایه هوش مصنوعی در بازی‌ها
• 9. مقدمه‌ای بر یادگیری تقویتی: چرا و چگونه
• 10. اجزای اصلی یادگیری تقویتی: عامل، محیط، حالت، عمل، پاداش
• 11. مفهوم سیاست (Policy) و تابع ارزش (Value Function)
• 12. فرآیندهای تصمیم‌گیری مارکوف (MDPs)
• 13. معادلات بلومن (Bellman Equations) و کاربردها
• 14. تعادل بین اکتشاف و بهره‌برداری (Exploration vs. Exploitation)
• 15. محیط‌های شبیه‌سازی برای یادگیری تقویتی (مثل OpenAI Gym)
• 16. برنامه‌ریزی دینامیک: تکرار سیاست (Policy Iteration)
• 17. برنامه‌ریزی دینامیک: تکرار ارزش (Value Iteration)
• 18. یادگیری مونت کارلو (Monte Carlo Learning) برای پیش‌بینی ارزش
• 19. یادگیری مونت کارلو برای کنترل: SARSA
• 20. یادگیری تفاوت زمانی (Temporal Difference Learning)
• 21. الگوریتم SARSA: On-Policy TD Control
• 22. الگوریتم Q-Learning: Off-Policy TD Control
• 23. جدول Q (Q-Table) و محدودیت‌های آن
• 24. تخمین تابع ارزش با توابع پایه (Feature Engineering)
• 25. معرفی توابع تقریب ارزش (Value Function Approximation)
• 26. کدنویسی Q-Learning در یک محیط ساده (Gridworld)
• 27. Q-Learning با Epsilon-Greedy Policy
• 28. مقایسه SARSA و Q-Learning
• 29. کنترل در محیط‌های پیوسته (Continuous Control) - مقدماتی
• 30. معرفی مشکل Curse of Dimensionality
• 31. مروری بر یادگیری عمیق و شبکه‌های عصبی
• 32. نورون‌های مصنوعی و مدل پرسپترون
• 33. شبکه عصبی چند لایه (Multi-Layer Perceptron - MLP)
• 34. توابع فعال‌سازی (Activation Functions) و انواع آن‌ها
• 35. تابع هزینه (Loss Function) و مفهوم بهینه‌سازی
• 36. گرادیان کاهشی (Gradient Descent) و انواع آن
• 37. پس‌انتشار (Backpropagation) و چگونگی یادگیری شبکه
• 38. بهینه‌سازها (Optimizers): SGD, Adam, RMSprop
• 39. معرفی کتابخانه TensorFlow/PyTorch برای یادگیری عمیق
• 40. ساخت اولین شبکه عصبی با TensorFlow/PyTorch
• 41. پردازش داده‌های تصویری: معرفی شبکه‌های عصبی پیچشی (CNN)
• 42. لایه‌های پیچشی (Convolutional Layers) و پولینگ (Pooling Layers)
• 43. معماری‌های رایج CNN برای بینایی ماشین
• 44. استفاده از CNN برای استخراج ویژگی از حالت‌های بصری بازی
• 45. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks - RNN) - مقدماتی
• 46. واحدهای LSTM و GRU برای حافظه بلندمدت
• 47. معماری Encoder-Decoder
• 48. تنظیم ابرپارامترها (Hyperparameter Tuning) در شبکه‌های عصبی
• 49. تکنیک‌های رگولاریزاسیون (Regularization): Dropout, L1/L2
• 50. پیشگیری از بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
• 51. ترکیب یادگیری عمیق و یادگیری تقویتی: Deep RL
• 52. معرفی شبکه‌های Q عمیق (Deep Q-Networks - DQN)
• 53. معماری DQN برای بازی‌های آتاری
• 54. تجربه بازپخش (Experience Replay) برای پایداری یادگیری
• 55. شبکه‌های هدف (Target Networks) برای تثبیت یادگیری
• 56. پیاده‌سازی DQN از ابتدا
• 57. DQN دوگانه (Double DQN) برای کاهش بیش‌برآورد
• 58. DQN دوئل (Dueling DQN) برای جداسازی ارزش و برتری
• 59. بازپخش تجربه با اولویت (Prioritized Experience Replay - PER)
• 60. روش‌های گرادیان سیاست (Policy Gradient Methods)
• 61. الگوریتم REINFORCE (Monte Carlo Policy Gradient)
• 62. توابع تقریب برای سیاست و ارزش (Actor-Critic Framework)
• 63. معرفی الگوریتم A2C (Advantage Actor-Critic)
• 64. معرفی الگوریتم A3C (Asynchronous Advantage Actor-Critic)
• 65. پیاده‌سازی A2C در یک محیط بازی ساده
• 66. مشکل ناپایداری در گرادیان سیاست
• 67. روش‌های اطمینان‌بخش گرادیان سیاست (Trust Region Policy Optimization - TRPO) - مقدماتی
• 68. بهینه‌سازی سیاست پروگزیمال (Proximal Policy Optimization - PPO)
• 69. پیاده‌سازی PPO برای کنترل کاراکتر بازی
• 70. یادگیری تقویتی تعیین‌گر عمیق (Deep Deterministic Policy Gradient - DDPG)
• 71. DDPG برای فضاهای عمل پیوسته
• 72. DDPG با شبکه‌های هدف و بافر بازپخش
• 73. TD3 (Twin Delayed DDPG) برای بهبود پایداری DDPG
• 74. SAC (Soft Actor-Critic) برای اکتشاف بهتر و پایداری
• 75. مقایسه و انتخاب الگوریتم DRL مناسب برای سناریوهای مختلف
• 76. طراحی محیط‌های بازی برای یادگیری تقویتی: اصول
• 77. تعریف حالت‌های بازی (Game States) و تبدیل به ورودی شبکه
• 78. تعریف فضاهای عمل (Action Spaces) در بازی‌ها
• 79. مهندسی پاداش (Reward Shaping): هنر تعیین پاداش‌ها
• 80. مدل‌سازی محیط بازی با کتابخانه OpenAI Gym
• 81. ساخت محیط بازی سفارشی با Pygame برای RL
• 82. معرفی Unity ML-Agents برای ساخت بازی با RL
• 83. آموزش عامل‌های RL در محیط Unity
• 84. یادگیری تقویتی چندعامله (Multi-Agent RL - MARL) در بازی‌ها
• 85. چالش‌ها در MARL: ناپایداری و تعاملات پیچیده
• 86. معرفی الگوریتم‌های MARL برای بازی‌ها (مثل MADDPG)
• 87. بازی‌های همکاری‌گرایانه و رقابتی با MARL
• 88. بهینه‌سازی عملکرد عامل‌های RL در بازی‌های پیچیده
• 89. تکنیک‌های یادگیری انتقالی (Transfer Learning) در RL برای بازی‌ها
• 90. یادگیری از تظاهرات (Learning from Demonstrations - LfD) / Imitation Learning
• 91. استفاده از یادگیری تقویتی برای تولید محتوای رویه‌ای (Procedural Content Generation)
• 92. ایجاد هوش مصنوعی دشمنان پویا و سازگار با RL
• 93. تست و ارزیابی عامل‌های یادگیری تقویتی در بازی
• 94. معیارهای ارزیابی عملکرد عامل RL
• 95. اشکال‌زدایی و رفع خطاهای رایج در DRL
• 96. تنظیم پیشرفته ابرپارامترها برای DRL
• 97. موردکاوی: آموزش عامل برای بازی Flappy Bird
• 98. موردکاوی: آموزش عامل برای یک بازی استراتژیک ساده
• 99. مروری بر چالش‌ها و روندهای آینده در ساخت بازی با RL
• 100. پروژه‌ی نهایی: ساخت یک بازی کوچک با AI مبتنی بر DRL