فلش‌کارت‌های آموزشی یادگیری تقویتی: مفاهیم و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی: مفاهیم و کاربردها

موضوع کلی: ریاضیات کاربردی و نظریه گراف

موضوع میانی: یادگیری ماشین و آمار

📋 سرفصل‌های دوره

• 1. یادگیری تقویتی: مقدمه‌ای بر مبانی و تاریخچه
• 2. عناصر اصلی یادگیری تقویتی
• 3. محیط، عامل و پاداش در یادگیری تقویتی
• 4. انواع مختلف یادگیری تقویتی
• 5. یادگیری تقویتی مبتنی بر ارزش
• 6. یادگیری تقویتی مبتنی بر سیاست
• 7. تابع ارزش و معادله بلمن
• 8. معادله بلمن برای سیاست‌های بهینه
• 9. روش‌های حل معادله بلمن
• 10. جستجوی مونت کارلو در یادگیری تقویتی
• 11. تفاوت‌های روش‌های مونت کارلو و زمانی
• 12. روش‌های زمانی: Q-Learning
• 13. روش‌های زمانی: SARSA
• 14. روش‌های زمانی: Deep Q-Network (DQN)
• 15. شبکه‌های عصبی در یادگیری تقویتی
• 16. پیاده‌سازی DQN در محیط‌های ساده
• 17. کاوش و بهره‌برداری در یادگیری تقویتی
• 18. استراتژی‌های کاوش: اپسیلون-گریدی
• 19. استراتژی‌های کاوش: سافت‌مکس
• 20. تابع پاداش و طراحی آن
• 21. تأثیر تابع پاداش بر عملکرد یادگیری
• 22. یادگیری تقویتی در محیط‌های گسسته
• 23. یادگیری تقویتی در محیط‌های پیوسته
• 24. روش‌های تقریب تابع در یادگیری تقویتی
• 25. روش‌های پلی‌نومیال و رگرسیون خطی
• 26. روش‌های مبتنی بر شبکه‌های عصبی برای تقریب تابع
• 27. یادگیری تقویتی چندعاملی
• 28. همکاری و رقابت در یادگیری تقویتی
• 29. یادگیری تقویتی سلسله‌مراتبی
• 30. یادگیری تقویتی با حافظه
• 31. شبکه‌های حافظه بلندمدت (LSTM) در یادگیری تقویتی
• 32. یادگیری تقویتی با انتقال یادگیری
• 33. استفاده از دانش قبلی برای تسریع یادگیری
• 34. یادگیری تقویتی در بازی‌ها
• 35. یادگیری تقویتی در رباتیک
• 36. یادگیری تقویتی در کنترل فرایندها
• 37. یادگیری تقویتی در مدیریت منابع
• 38. یادگیری تقویتی در سیستم‌های توصیه‌گر
• 39. یادگیری تقویتی در بازارهای مالی
• 40. یادگیری تقویتی آفلاین
• 41. یادگیری تقویتی با داده‌های جمع‌آوری‌شده
• 42. چالش‌ها و محدودیت‌های یادگیری تقویتی
• 43. انتخاب الگوریتم مناسب برای مسئله
• 44. تنظیم پارامترهای یادگیری تقویتی
• 45. ارزیابی عملکرد الگوریتم‌های یادگیری تقویتی