فلش‌کارت‌های آموزشی یادگیری تقویتی عمیق: مفاهیم، الگوریتم‌ها و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی عمیق: مفاهیم، الگوریتم‌ها و کاربردها

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی عمیق (Deep Reinforcement Learning - DRL)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. مفاهیم پایه یادگیری تقویتی
• 3. عامل، محیط و پاداش
• 4. حالت‌ها، اعمال و سیاست‌ها
• 5. ارزش تابع و تابع بهینه
• 6. معادلات بلمن
• 7. یادگیری بدون مدل و با مدل
• 8. یادگیری افزایشی و یادگیری پاداش پراکنده
• 9. فرایندهای تصمیم‌گیری مارکوف (MDP)
• 10. حل MDP با برنامه‌ریزی پویا
• 11. روش‌های مونت کارلو برای تخمین ارزش
• 12. یادگیری تفاضل زمانی (TD Learning)
• 13. SARSA
• 14. Q-Learning
• 15. یادگیری تقویتی عمیق (DRL)
• 16. شبکه‌های عصبی عمیق برای DRL
• 17. شبکه‌های عصبی کانولوشنی (CNN) در DRL
• 18. شبکه‌های عصبی بازگشتی (RNN) در DRL
• 19. شبکه‌های عصبی ترنسفورمر در DRL
• 20. عامل‌های مبتنی بر ارزش (Value-based Agents)
• 21. عامل‌های مبتنی بر سیاست (Policy-based Agents)
• 22. عامل‌های ترکیبی (Actor-Critic Agents)
• 23. Deep Q-Networks (DQN)
• 24. Double DQN
• 25. Dueling DQN
• 26. Prioritized Experience Replay
• 27. Noisy DQN
• 28. Rainbow DQN
• 29. Policy Gradients
• 30. REINFORCE
• 31. Actor-Critic Methods
• 32. Advantage Actor-Critic (A2C)
• 33. Asynchronous Advantage Actor-Critic (A3C)
• 34. Proximal Policy Optimization (PPO)
• 35. Trust Region Policy Optimization (TRPO)
• 36. Deep Deterministic Policy Gradient (DDPG)
• 37. Twin Delayed Deep Deterministic Policy Gradient (TD3)
• 38. Soft Actor-Critic (SAC)
• 39. یادگیری تقویتی چندعاملی (MARL)
• 40. هماهنگی در MARL
• 41. رقابت در MARL
• 42. یادگیری تقویتی با پاداش‌های مصنوعی
• 43. یادگیری تقویتی با پاداش‌های مبتنی بر هدف
• 44. یادگیری تقویتی با اکتشاف
• 45. روش‌های اکتشاف مبتنی بر آنتروپی
• 46. روش‌های اکتشاف مبتنی بر پاداش تصادفی
• 47. روش‌های اکتشاف مبتنی بر عدم قطعیت
• 48. یادگیری تقویتی با یادگیری انتقالی
• 49. یادگیری تقویتی با تقلید
• 50. یادگیری تقویتی با یادگیری از طریق مشاهده
• 51. یادگیری تقویتی با یادگیری سلسله مراتبی
• 52. یادگیری تقویتی با یادگیری مبتنی بر مدل
• 53. مدل‌های مبتنی بر یادگیری تقویتی
• 54. یادگیری تقویتی در رباتیک
• 55. یادگیری تقویتی در بازی‌ها
• 56. یادگیری تقویتی در سیستم‌های توصیه‌گر
• 57. یادگیری تقویتی در امور مالی
• 58. یادگیری تقویتی در مدیریت منابع
• 59. یادگیری تقویتی در بهینه‌سازی زنجیره تأمین
• 60. یادگیری تقویتی در سیستم‌های خودران
• 61. یادگیری تقویتی در پردازش زبان طبیعی
• 62. یادگیری تقویتی در بینایی ماشین
• 63. یادگیری تقویتی با محدودیت‌های ایمنی
• 64. یادگیری تقویتی با پاداش‌های اخلاقی
• 65. یادگیری تقویتی با چارچوب‌های شرعی
• 66. ملاحظات فقهی در یادگیری تقویتی
• 67. مدل‌سازی پاداش در چارچوب شرعی
• 68. کاربرد یادگیری تقویتی در اقتصاد اسلامی
• 69. یادگیری تقویتی در بانکداری بدون ربا
• 70. یادگیری تقویتی در بیمه اسلامی
• 71. تحلیل ریسک در یادگیری تقویتی با رویکرد اسلامی
• 72. اخلاق در هوش مصنوعی و یادگیری تقویتی
• 73. مسئولیت‌پذیری عامل‌های هوشمند
• 74. شفافیت در یادگیری تقویتی
• 75. قابلیت تفسیر مدل‌های یادگیری تقویتی
• 76. امنیت در یادگیری تقویتی
• 77. حملات adversary در یادگیری تقویتی
• 78. دفاع در برابر حملات adversary
• 79. یادگیری تقویتی مقاوم
• 80. ارزیابی و اعتبارسنجی مدل‌های یادگیری تقویتی
• 81. متریک‌های ارزیابی در یادگیری تقویتی
• 82. مقایسه الگوریتم‌های یادگیری تقویتی
• 83. مطالعات موردی در یادگیری تقویتی
• 84. پیاده‌سازی عملی یادگیری تقویتی
• 85. کتابخانه‌ها و ابزارهای یادگیری تقویتی
• 86. کارگاه عملی یادگیری تقویتی
• 87. پروژه‌های کاربردی یادگیری تقویتی
• 88. چالش‌های پیش روی یادگیری تقویتی
• 89. آینده یادگیری تقویتی
• 90. یادگیری تقویتی و هوش مصنوعی عمومی
• 91. یادگیری تقویتی در علم و فناوری
• 92. یادگیری تقویتی و جامعه
• 93. یادگیری تقویتی و توسعه پایدار
• 94. یادگیری تقویتی و حکمرانی هوشمند
• 95. یادگیری تقویتی برای حل مسائل اجتماعی
• 96. یادگیری تقویتی در آموزش و پرورش
• 97. یادگیری تقویتی در سلامت
• 98. یادگیری تقویتی در مدیریت شهری
• 99. یادگیری تقویتی در کشاورزی هوشمند
• 100. یادگیری تقویتی در صنعت