کتاب صوتی بهینه‌سازی منابع با RL در سیستم‌عامل

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی منابع با RL در سیستم‌عامل

موضوع کلی: راهنمای استفاده از سیستم‌عامل‌ها

موضوع میانی: مبانی سیستم‌عامل‌های خودتنظیم شونده با یادگیری تقویتی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. مفاهیم پایه یادگیری تقویتی
• 3. عناصر اصلی یک سیستم یادگیری تقویتی
• 4. انواع محیط‌های یادگیری تقویتی
• 5. مدل‌سازی مارکوف و فرآیندهای تصادفی
• 6. تابع پاداش و طراحی آن
• 7. سیاست‌ها در یادگیری تقویتی
• 8. الگوریتم‌های مبتنی بر مقدار
• 9. الگوریتم Q-Learning
• 10. الگوریتم SARSA
• 11. الگوریتم‌های مبتنی بر سیاست
• 12. بهینه‌سازی سیاست گرادیانی
• 13. روش‌های اکتشافی در یادگیری تقویتی
• 14. تکنیک‌های کاهشی اکتشاف
• 15. برنامه‌ریزی و یادگیری تقویتی
• 16. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
• 17. شبکه‌های عصبی و یادگیری تقویتی
• 18. Q-Network
• 19. Policy Gradient با شبکه‌های عصبی
• 20. یادگیری تقویتی در محیط‌های پیوسته
• 21. روش‌های تخمین سیاست در فضای پیوسته
• 22. یادگیری تقویتی چندعامله
• 23. همکاری و رقابت در یادگیری تقویتی چندعامله
• 24. یادگیری تقویتی سلسله‌مراتبی
• 25. یادگیری انتقال (Transfer Learning) در یادگیری تقویتی
• 26. یادگیری تقویتی آفلاین (Offline Reinforcement Learning)
• 27. یادگیری تقویتی ایمن (Safe Reinforcement Learning)
• 28. محدودیت‌های یادگیری تقویتی و چالش‌ها
• 29. یادگیری تقویتی و شبیه‌سازی
• 30. بهینه‌سازی منابع در سیستم‌عامل
• 31. مقدمه‌ای بر تخصیص منابع
• 32. مدیریت حافظه با RL
• 33. مدیریت پردازنده با RL
• 34. مدیریت پهنای باند با RL
• 35. مدیریت انرژی با RL
• 36. بهینه‌سازی مصرف انرژی در سیستم‌عامل
• 37. تخصیص منابع شبکه با RL
• 38. توازن بار (Load Balancing) با RL
• 39. مقیاس‌پذیری سیستم‌عامل با RL
• 40. بهینه‌سازی سیستم‌های توزیع‌شده با RL
• 41. یادگیری تقویتی و مجازی‌سازی
• 42. یادگیری تقویتی و کانتینرسازی
• 43. بهینه‌سازی سیستم‌های ابری با RL
• 44. RL در سیستم‌های عامل بلادرنگ (Real-Time)
• 45. بهینه‌سازی سیستم‌های فایل با RL