فلش‌کارت‌های آموزشی یادگیری تقویتی شخصی‌سازی‌شده با RLHF

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی شخصی‌سازی‌شده با RLHF

موضوع کلی: مدل‌سازی ترجیحات و یادگیری تقویتی با بازخورد انسانی

موضوع میانی: یادگیری تقویتی با بازخورد انسانی برای هدایت یادگیری تقویتی از طریق انتخاب

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی
• 2. مفاهیم کلیدی یادگیری تقویتی
• 3. عناصر اصلی یک مسئله یادگیری تقویتی
• 4. مدل‌سازی محیط در یادگیری تقویتی
• 5. فضای حالت و فضای عمل
• 6. تابع پاداش و طراحی آن
• 7. روش‌های یادگیری تقویتی مبتنی بر ارزش
• 8. روش‌های یادگیری تقویتی مبتنی بر سیاست
• 9. معادله بلمن و کاربردهای آن
• 10. Q-learning و الگوریتم‌های مشتق شده
• 11. SARSA: یادگیری تقویتی برخط
• 12. تفاوت Q-learning و SARSA
• 13. روش‌های مونت‌کارلو در یادگیری تقویتی
• 14. تقریب تابع ارزش با شبکه‌های عصبی
• 15. Deep Q-Network (DQN) و کاربردها
• 16. مقدمه‌ای بر سیاست‌گرادیان‌ها
• 17. REINFORCE: الگوریتم سیاست‌گرادیان پایه
• 18. Actor-Critic Methods
• 19. A2C و A3C: الگوریتم‌های Actor-Critic موازی
• 20. PPO: الگوریتم سیاست بهینه شده پروگزیمال
• 21. TRPO: الگوریتم سیاست قابل اعتماد منطقه‌ای
• 22. یادگیری تقویتی پیوسته
• 23. DDPG: یادگیری تقویتی عمیق دترمینستیک-پالیسی گرادیان
• 24. TD3: الگوریتم بهبود یافته DDPG
• 25. SAC: الگوریتم آنتروپی ماکزیمم نرم
• 26. یادگیری تقویتی چندعامله
• 27. مفاهیم و چالش‌های یادگیری تقویتی چندعامله
• 28. بازی‌های رقابتی و یادگیری تقویتی
• 29. یادگیری تقویتی سلسله مراتبی
• 30. یادگیری تقویتی با انتقال یادگیری
• 31. یادگیری تقویتی با کاوش
• 32. استراتژی‌های کاوش و بهره‌برداری
• 33. یادگیری تقویتی آفلاین
• 34. یادگیری تقویتی ایمن
• 35. مقدمه‌ای بر RLHF (Reinforcement Learning from Human Feedback)
• 36. جمع‌آوری داده‌های بازخورد انسانی
• 37. مدل‌سازی بازخورد انسانی
• 38. آموزش مدل پاداش با بازخورد انسانی
• 39. بهینه‌سازی سیاست با استفاده از مدل پاداش
• 40. تکنیک‌های ارزیابی RLHF
• 41. چالش‌ها و محدودیت‌های RLHF
• 42. کاربردهای RLHF در پردازش زبان طبیعی
• 43. RLHF در تولید متن خلاقانه
• 44. RLHF در تولید پاسخ‌های رباتیک
• 45. RLHF و کاهش سوگیری در مدل‌ها