اکسپرس 24
کتاب پایتون برای یادگیری تقویتی (Reinforcement Learning)

کتاب پایتون برای یادگیری تقویتی (Reinforcement Learning)

تگ‌ها: Reinforcement Learning برنامه نویسی پایتون پایتون شبکه عصبی عامل هوشمند گیم پایتون ماشین لرنینگ یادگیری تقویتی

انتخاب پلن

افزودنی‌های اختیاری

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پایتون برای یادگیری تقویتی (Reinforcement Learning)

موضوع کلی: برنامه نویسی

موضوع میانی: پایتون (Python)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی
  • 2. عامل و محیط در یادگیری تقویتی
  • 3. سیگنال پاداش و بازخورد
  • 4. فرآیند تصمیم‌گیری مارکوف (MDP)
  • 5. سیاست (Policy) و تابع ارزش (Value Function)
  • 6. تعریف و کاربرد تابع ارزش حالت
  • 7. تعریف و کاربرد تابع ارزش حالت-عمل
  • 8. معادله بلمن برای توابع ارزش
  • 9. معادله بلمن بهینه
  • 10. روش‌های پویایی (Dynamic Programming)
  • 11. ارزیابی سیاست (Policy Evaluation)
  • 12. بهبود سیاست (Policy Improvement)
  • 13. تکرار سیاست (Policy Iteration)
  • 14. تکرار مقدار (Value Iteration)
  • 15. روش‌های مونت کارلو در یادگیری تقویتی
  • 16. ارزیابی سیاست با روش مونت کارلو
  • 17. کنترل با روش مونت کارلو
  • 18. روش‌های تفاضل زمانی (Temporal Difference Learning)
  • 19. یادگیری TD(0)
  • 20. یادگیری SARSA (روش On-Policy)
  • 21. یادگیری Q-Learning (روش Off-Policy)
  • 22. مقایسه SARSA و Q-Learning
  • 23. معیار Expected SARSA
  • 24. روش‌های Eligibility Traces (TD(λ))
  • 25. تعادل میان اکتشاف و بهره‌برداری
  • 26. سیاست اپسیلون-حریصانه
  • 27. سیاست Upper Confidence Bound (UCB)
  • 28. سیاست Softmax (Boltzmann)
  • 29. روش‌های مبتنی بر گرادیان سیاست (Policy Gradient)
  • 30. قضیه گرادیان سیاست
  • 31. الگوریتم REINFORCE
  • 32. کاهش واریانس در گرادیان سیاست
  • 33. روش Actor-Critic
  • 34. معماری Actor-Critic پایه
  • 35. Actor-Critic با مزیت (Advantage)
  • 36. معرفی تابع مزیت
  • 37. الگوریتم A2C (Advantage Actor-Critic)
  • 38. الگوریتم A3C (Asynchronous Advantage Actor-Critic)
  • 39. یادگیری تقویتی عمیق (Deep RL)
  • 40. شبکه‌های عصبی در یادگیری تقویتی
  • 41. الگوریتم DQN (Deep Q-Network)
  • 42. استفاده از حافظه تجربی (Experience Replay)
  • 43. شبکه هدف (Target Network) در DQN
  • 44. بهبودهای DQN (Double DQN و Dueling DQN)
  • 45. معماری DDPG (Deep Deterministic Policy Gradient)
  • 46. الگوریتم PPO (Proximal Policy Optimization)
  • 47. الگوریتم SAC (Soft Actor-Critic)
  • 48. یادگیری تقویتی مبتنی بر مدل (Model-Based RL)
  • 49. یادگیری مدل از داده‌ها
  • 50. برنامه‌ریزی با مدل یادگرفته‌شده
  • 51. روش Dyna-Q
  • 52. تعریف فضای حالت و عمل
  • 53. طراحی تابع پاداش مناسب
  • 54. مسئله Credit Assignment
  • 55. روش‌های یادگیری تقویتی معکوس (Inverse RL)
  • 56. یادگیری تقویتی سلسله‌مراتبی (Hierarchical RL)
  • 57. کاربرد یادگیری تقویتی در بازی‌ها
  • 58. کاربرد یادگیری تقویتی در رباتیک
  • 59. کاربرد یادگیری تقویتی در سیستم‌های توصیه‌گر
  • 60. ابزارها و کتابخانه‌های یادگیری تقویتی در پایتون (OpenAI Gym و Stable Baselines)
  • 61. پیاده‌سازی یک عامل Q-Learning ساده در پایتون
  • 62. پیاده‌سازی یک عامل Policy Gradient ساده در پایتون
  • 63. ارزیابی و مقایسه عملکرد الگوریتم‌ها

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.