فلش‌کارت‌های آموزشی بهینه‌سازی پیش‌بینی با یادگیری تقویتی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی پیش‌بینی با یادگیری تقویتی

موضوع کلی: توسعه پیشرفته عامل‌های هوشمند و سیستم‌های خودکار

موضوع میانی: ساخت مدل‌های پیش‌بینی‌کننده

📋 سرفصل‌های دوره

• 1. یادگیری تقویتی: یک مقدمه
• 2. مبانی یادگیری تقویتی
• 3. مفهوم پاداش و جریمه در یادگیری تقویتی
• 4. مفهوم سیاست در یادگیری تقویتی
• 5. تابع ارزش و کاربردهای آن
• 6. معادله بلمن برای یادگیری تقویتی
• 7. روش‌های حل معادلات بلمن
• 8. روش‌های مونت کارلو در یادگیری تقویتی
• 9. روش‌های زمانی تفاضلی در یادگیری تقویتی
• 10. Q-learning: یک الگوریتم معروف در یادگیری تقویتی
• 11. SARSA: یک الگوریتم دیگر در یادگیری تقویتی
• 12. نحوه انتخاب سیاست در Q-learning و SARSA
• 13. کاوش و بهره‌برداری در یادگیری تقویتی
• 14. Epsilon-greedy strategy
• 15. Softmax action selection
• 16. تابع سیاست گرادیانی
• 17. روش‌های سیاست گرادیانی یک مرحله‌ای
• 18. روش‌های سیاست گرادیانی دو مرحله‌ای
• 19. Actor-Critic methods
• 20. مفهوم حافظه در یادگیری تقویتی
• 21. Experience replay
• 22. شبکه‌های عصبی برای تخمین تابع ارزش
• 23. شبکه‌های عصبی برای تقریب سیاست
• 24. Deep Q-Networks (DQN)
• 25. Double DQN
• 26. Dueling DQN
• 27. Prioritized Experience Replay
• 28. Multi-step Return
• 29. نحوه ارزیابی عملکرد الگوریتم‌های یادگیری تقویتی
• 30. متریک‌های ارزیابی یادگیری تقویتی
• 31. کاربردهای یادگیری تقویتی در بازی‌ها
• 32. کاربردهای یادگیری تقویتی در رباتیک
• 33. کاربردهای یادگیری تقویتی در کنترل فرآیندها
• 34. کاربردهای یادگیری تقویتی در مدیریت مالی
• 35. کاربردهای یادگیری تقویتی در سیستم‌های توصیه‌گر
• 36. چالش‌های یادگیری تقویتی
• 37. مسئله اکتشاف در یادگیری تقویتی
• 38. مسئله پاداش‌های پراکنده در یادگیری تقویتی
• 39. مسئله انتقال یادگیری در یادگیری تقویتی
• 40. آینده یادگیری تقویتی