فلش‌کارت‌های آموزشی کاربرد یادگیری تقویتی عمیق در بهینه‌سازی زنجیره تأمین و لجستیک

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد یادگیری تقویتی عمیق در بهینه‌سازی زنجیره تأمین و لجستیک

موضوع کلی: هوش مصنوعی و تصمیم‌گیری

موضوع میانی: مدل‌های یادگیری عمیق در تصمیم‌گیری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. مبانی نظری یادگیری تقویتی
• 3. الگوریتم‌های پایه یادگیری تقویتی: Q-Learning
• 4. الگوریتم‌های پایه یادگیری تقویتی: SARSA
• 5. الگوریتم‌های پایه یادگیری تقویتی: Deep Q-Network (DQN)
• 6. شبکه‌های عصبی کانولوشنال و یادگیری تقویتی
• 7. شبکه‌های عصبی بازگشتی و یادگیری تقویتی
• 8. تابع پاداش در یادگیری تقویتی
• 9. محیط‌های شبیه‌سازی‌شده برای یادگیری تقویتی
• 10. بهینه‌سازی هایپرپارامترها در یادگیری تقویتی
• 11. یادگیری تقویتی در محیط‌های پیوسته
• 12. روش‌های نمونه‌برداری در یادگیری تقویتی
• 13. کاربرد یادگیری تقویتی در مدیریت موجودی
• 14. پیش‌بینی تقاضا با استفاده از یادگیری تقویتی
• 15. بهینه‌سازی مسیریابی با استفاده از یادگیری تقویتی
• 16. مدیریت ناوگان حمل و نقل با یادگیری تقویتی
• 17. مسائل تخصیص منابع در زنجیره تأمین و یادگیری تقویتی
• 18. بهینه‌سازی قیمت‌گذاری با استفاده از یادگیری تقویتی
• 19. کنترل کیفیت با استفاده از یادگیری تقویتی
• 20. پیش‌بینی خرابی تجهیزات با یادگیری تقویتی
• 21. نگهداری پیش‌بینی‌کننده با استفاده از یادگیری تقویتی
• 22. مدیریت انبار با استفاده از یادگیری تقویتی
• 23. بهینه‌سازی چیدمان انبار با یادگیری تقویتی
• 24. یادگیری تقویتی چندعاملی در زنجیره تأمین
• 25. مفهوم بازی‌های استوکاستیک و کاربرد آن در زنجیره تأمین
• 26. استفاده از یادگیری تقویتی برای کاهش هزینه‌های لجستیک
• 27. بهینه‌سازی مسیرهای تحویل آخرین مایلی با یادگیری تقویتی
• 28. مدیریت ریسک در زنجیره تأمین با یادگیری تقویتی
• 29. یادگیری تقویتی و زنجیره‌های تأمین پایدار
• 30. بهینه‌سازی مصرف انرژی در زنجیره تأمین با یادگیری تقویتی
• 31. بهبود کارایی حمل و نقل با یادگیری تقویتی
• 32. یادگیری تقویتی و برنامه‌ریزی تولید
• 33. بهینه‌سازی زمان‌بندی تولید با یادگیری تقویتی
• 34. یادگیری تقویتی در سیستم‌های توزیع
• 35. بهینه‌سازی شبکه‌های توزیع با یادگیری تقویتی
• 36. کاربرد یادگیری تقویتی در تجارت الکترونیک و لجستیک
• 37. یادگیری تقویتی و مدیریت بازگشت کالا
• 38. تحلیل داده‌های بزرگ و یادگیری تقویتی در زنجیره تأمین
• 39. استفاده از یادگیری تقویتی برای شناسایی الگوهای تقلب در زنجیره تأمین
• 40. یادگیری تقویتی و مدیریت ارتباط با مشتری
• 41. بهینه‌سازی تبلیغات و بازاریابی با یادگیری تقویتی
• 42. مفاهیم پیشرفته یادگیری تقویتی: Policy Gradient Methods
• 43. مفاهیم پیشرفته یادگیری تقویتی: Actor-Critic Methods
• 44. یادگیری تقویتی و یادگیری انتقال
• 45. یادگیری تقویتی و یادگیری متا
• 46. یادگیری تقویتی و یادگیری تقویتی مقیاس پذیر
• 47. یادگیری تقویتی و یادگیری تقویتی آفلاین
• 48. یادگیری تقویتی و یادگیری تقویتی ایمن
• 49. پیاده‌سازی یادگیری تقویتی در محیط‌های واقعی زنجیره تأمین
• 50. چالش‌ها و محدودیت‌های استفاده از یادگیری تقویتی در زنجیره تأمین
• 51. مطالعات موردی: کاربرد یادگیری تقویتی در صنایع مختلف
• 52. ابزارهای نرم‌افزاری برای پیاده‌سازی یادگیری تقویتی
• 53. مبانی آمار و احتمالات برای یادگیری تقویتی
• 54. بهینه‌سازی زنجیره تأمین با استفاده از یادگیری تقویتی و الگوریتم‌های فراابتکاری
• 55. یادگیری تقویتی و برنامه‌ریزی زنجیره تأمین یکپارچه
• 56. بهینه‌سازی موجودی چند سطحی با استفاده از یادگیری تقویتی
• 57. بهینه‌سازی ظرفیت انبار با استفاده از یادگیری تقویتی
• 58. یادگیری تقویتی و مدیریت زنجیره تأمین در شرایط بحرانی
• 59. یادگیری تقویتی و زنجیره تأمین چابک
• 60. یادگیری تقویتی و زنجیره تأمین انعطاف‌پذیر
• 61. یادگیری تقویتی و زنجیره تأمین مبتنی بر داده
• 62. ارزیابی عملکرد مدل‌های یادگیری تقویتی در زنجیره تأمین
• 63. یادگیری تقویتی و بهینه‌سازی زنجیره تأمین معکوس