فلش‌کارت‌های آموزشی یادگیری تقویتی چندعامله: الگوریتم‌ها و پیاده‌سازی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله: الگوریتم‌ها و پیاده‌سازی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای کنترل ربات‌های صنعتی برای انجام وظایف نگهداری و تعمیر

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. مفاهیم پایه یادگیری تقویتی
• 3. عامل و محیط
• 4. حالت، عمل و پاداش
• 5. سیاست و تابع ارزش
• 6. مدل‌های فرایند تصمیم‌گیری مارکوف (MDP)
• 7. حل MDP ها با برنامه‌ریزی پویا
• 8. روش‌های مونت کارلو در یادگیری تقویتی
• 9. یادگیری تفاوت زمانی (TD Learning)
• 10. یادگیری Q
• 11. الگوریتم Q-Learning
• 12. یادگیری SARSA
• 13. مقایسه Q-Learning و SARSA
• 14. یادگیری تقویتی عمیق (Deep RL)
• 15. شبکه‌های عصبی کانولوشنی (CNN) در RL
• 16. شبکه‌های عصبی بازگشتی (RNN) در RL
• 17. الگوریتم Deep Q-Network (DQN)
• 18. بهینه‌سازی DQN
• 19. Double DQN
• 20. Prioritized Experience Replay
• 21. Dueling DQN
• 22. Actor-Critic Methods
• 23. الگوریتم A2C (Advantage Actor-Critic)
• 24. الگوریتم A3C (Asynchronous Advantage Actor-Critic)
• 25. Proximal Policy Optimization (PPO)
• 26. Trust Region Policy Optimization (TRPO)
• 27. یادگیری تقویتی چندعامله (MARL)
• 28. مفاهیم پایه MARL
• 29. چالش‌های MARL
• 30. مدل‌های همکاری در MARL
• 31. مدل‌های رقابتی در MARL
• 32. مدل‌های ترکیبی در MARL
• 33. هماهنگی عامل‌ها در MARL
• 34. ارتباطات بین عامل‌ها
• 35. نظارت بر عامل‌ها
• 36. فدرالیزم در MARL
• 37. یادگیری تقویتی با عامل‌های ناهمگن
• 38. یادگیری تقویتی در بازی‌ها
• 39. یادگیری تقویتی در رباتیک
• 40. یادگیری تقویتی در سیستم‌های توزیع‌شده
• 41. یادگیری تقویتی در مدیریت منابع
• 42. یادگیری تقویتی در شبکه‌های ارتباطی
• 43. یادگیری تقویتی در اقتصاد و مالی
• 44. الگوریتم‌های یادگیری تقویتی برای بهینه‌سازی سبد سهام
• 45. مدل‌سازی رفتار بازار با RL
• 46. مدیریت ریسک با RL
• 47. معاملات الگوریتمی با RL
• 48. یادگیری تقویتی در سیستم‌های توصیه‌گر
• 49. یادگیری تقویتی در پردازش زبان طبیعی
• 50. یادگیری تقویتی در بینایی ماشین
• 51. یادگیری تقویتی در کنترل سیستم‌ها
• 52. یادگیری تقویتی در سیستم‌های حمل و نقل هوشمند
• 53. پیاده‌سازی الگوریتم‌های RL با Python
• 54. کتابخانه OpenAI Gym
• 55. کتابخانه Stable Baselines3
• 56. کتابخانه Ray RLlib
• 57. ساخت محیط‌های سفارشی با OpenAI Gym
• 58. آموزش عامل‌های RL برای وظایف ساده
• 59. آموزش عامل‌های RL برای وظایف پیچیده
• 60. تنظیم هایپرپارامترها در RL
• 61. ارزیابی عملکرد عامل‌های RL
• 62. تجسم نتایج یادگیری تقویتی
• 63. کاربردهای عملی یادگیری تقویتی در صنعت
• 64. مسائل اخلاقی در یادگیری تقویتی
• 65. امنیت در سیستم‌های RL
• 66. قابلیت تفسیر در RL
• 67. یادگیری تقویتی با پاداش‌های پراکنده
• 68. یادگیری تقویتی با پاداش‌های منفی
• 69. یادگیری تقویتی با حالت‌های مشاهده‌پذیر جزئی
• 70. یادگیری تقویتی با مدل‌های محیطی
• 71. یادگیری تقویتی بدون مدل
• 72. یادگیری تقویتی با اکتشاف فعال
• 73. یادگیری تقویتی با انتقال یادگیری
• 74. یادگیری تقویتی با یادگیری چندوظیفه‌ای
• 75. یادگیری تقویتی با یادگیری از انسان
• 76. یادگیری تقویتی با یادگیری تقابلی
• 77. یادگیری تقویتی با یادگیری از طریق شبیه‌سازی
• 78. یادگیری تقویتی با یادگیری تقویت‌شده با بازخورد انسانی
• 79. یادگیری تقویتی با یادگیری تقویتی سلسله مراتبی
• 80. یادگیری تقویتی با یادگیری تقویتی با پاداش ضمنی
• 81. یادگیری تقویتی با یادگیری تقویتی با پاداش صریح
• 82. یادگیری تقویتی با یادگیری تقویتی با پاداش ترکیبی
• 83. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر هدف
• 84. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر خطای پیش‌بینی
• 85. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر عدم قطعیت
• 86. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر تنوع
• 87. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر پیشرفت
• 88. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر اکتشاف
• 89. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر همکاری
• 90. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر رقابت
• 91. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر تعادل
• 92. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر کارایی
• 93. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر پایداری
• 94. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر انصاف
• 95. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر رضایت
• 96. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر یادگیری
• 97. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر پیش‌بینی پاداش
• 98. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر یادگیری سیاست
• 99. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر یادگیری تابع ارزش
• 100. یادگیری تقویتی با یادگیری تقویتی با پاداش مبتنی بر یادگیری مدل