کتاب صوتی یادگیری تقویتی در محیط‌های ابری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی در محیط‌های ابری

موضوع کلی: هوش مصنوعی و فناوری‌های ابری

موضوع میانی: توسعهٔ برنامه‌های کاربردی با هوش مصنوعی در بستر ابری

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی
• 2. مفاهیم کلیدی یادگیری تقویتی
• 3. عناصر اصلی یک مسئله یادگیری تقویتی
• 4. مدل مارکوف و فرآیندهای تصمیم‌گیری مارکوف
• 5. پاداش و تنبیه در یادگیری تقویتی
• 6. ارزش‌گذاری توابع و سیاست‌ها
• 7. روش‌های یادگیری مبتنی بر ارزش
• 8. روش‌های یادگیری مبتنی بر سیاست
• 9. معادله بلمن برای تخمین ارزش
• 10. تکرار ارزش
• 11. تکرار سیاست
• 12. روش‌های گرادیان سیاست
• 13. Q-learning
• 14. SARSA
• 15. تفاوت بین Q-learning و SARSA
• 16. اکتشاف و بهره‌برداری
• 17. استراتژی‌های اکتشاف
• 18. کاوش اپسیلون-طماع
• 19. کاوش سافت‌مکس
• 20. تقویت یادگیری عمیق
• 21. شبکه‌های عصبی در یادگیری تقویتی
• 22. توابع تقریب ارزش
• 23. توابع تقریب سیاست
• 24. Deep Q-Network (DQN)
• 25. تکنیک‌های بهبود DQN
• 26. تجربه تکرار
• 27. هدف‌های ثابت
• 28. Double DQN
• 29. Dueling DQN
• 30. یادگیری تقویتی در محیط‌های پیوسته
• 31. تقویت یادگیری Actor-Critic
• 32. روش‌های Actor-Critic مبتنی بر گرادیان
• 33. A2C (Advantage Actor-Critic)
• 34. A3C (Asynchronous Advantage Actor-Critic)
• 35. پیاده‌سازی الگوریتم‌های یادگیری تقویتی
• 36. محیط‌های شبیه‌سازی برای یادگیری تقویتی
• 37. OpenAI Gym
• 38. PyBullet
• 39. MuJoCo
• 40. کاربردهای یادگیری تقویتی در رباتیک
• 41. کنترل ربات با یادگیری تقویتی
• 42. ناوبری ربات با یادگیری تقویتی
• 43. کاربردهای یادگیری تقویتی در بازی‌ها
• 44. یادگیری تقویتی برای بازی‌های آتاری
• 45. یادگیری تقویتی برای بازی Go