فلش‌کارت‌های آموزشی RL و بازخورد انسانی: کاربردهای عملی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره RL و بازخورد انسانی: کاربردهای عملی

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. مقدمه‌ای بر یادگیری تقویتی
• 2. مبانی نظری یادگیری تقویتی
• 3. عناصر اصلی یک مسئله یادگیری تقویتی
• 4. فضای حالت و فضای عمل
• 5. پاداش و تابع پاداش
• 6. سیاست‌ها و توابع ارزش
• 7. معادله بلمن
• 8. تکرار سیاست
• 9. تکرار ارزش
• 10. روش‌های مونت کارلو
• 11. تفاوت‌های زمانی
• 12. Q-Learning
• 13. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
• 14. شبکه‌های عصبی و یادگیری تقویتی
• 15. تابع تخمین‌گر ارزش با شبکه‌های عصبی
• 16. الگوریتم‌های سیاست گرادیان
• 17. روش‌های Actor-Critic
• 18. مقدمه‌ای بر بازخورد انسانی
• 19. جمع‌آوری داده‌های بازخورد انسانی
• 20. مدل‌سازی ترجیحات انسانی
• 21. یادگیری از بازخورد ترجیحی
• 22. یادگیری تقویتی با پاداش شکل‌دهی شده
• 23. بازخورد انسانی برای اکتشاف
• 24. تطبیق سیاست با بازخورد انسانی
• 25. بهینه‌سازی سیاست با استفاده از بازخورد انسانی
• 26. روش‌های فعال یادگیری با بازخورد انسانی
• 27. کاربردهای یادگیری تقویتی در رباتیک
• 28. کاربردهای یادگیری تقویتی در بازی‌ها
• 29. کاربردهای یادگیری تقویتی در مدیریت منابع
• 30. کاربردهای یادگیری تقویتی در سیستم‌های توصیه‌گر
• 31. یادگیری تقویتی در تجارت الگوریتمی
• 32. یادگیری تقویتی در کنترل ترافیک
• 33. یادگیری تقویتی در بهینه‌سازی زنجیره تامین
• 34. یادگیری تقویتی در سیستم‌های انرژی هوشمند
• 35. یادگیری تقویتی در سلامت و پزشکی
• 36. چالش‌های یادگیری تقویتی در دنیای واقعی
• 37. انتقال یادگیری تقویتی
• 38. یادگیری تقویتی آفلاین (Offline Reinforcement Learning)
• 39. یادگیری تقویتی چندعاملی (Multi-Agent Reinforcement Learning)
• 40. یادگیری تقویتی سلسله مراتبی (Hierarchical Reinforcement Learning)
• 41. یادگیری تقویتی ایمن (Safe Reinforcement Learning)
• 42. یادگیری تقویتی قابل تفسیر (Interpretable Reinforcement Learning)
• 43. استفاده از شبیه‌سازی در یادگیری تقویتی
• 44. تکنیک‌های افزایش داده در یادگیری تقویتی
• 45. ارزیابی عملکرد الگوریتم‌های یادگیری تقویتی