اکسپرس 24
کتاب یادگیری تقویتی چندعامله در مقیاس بزرگ: از تئوری تا عمل

کتاب یادگیری تقویتی چندعامله در مقیاس بزرگ: از تئوری تا عمل

تگ‌ها: MARL الگوریتم‌های یادگیری برنامه‌نویسی هوشمند شبکه‌های عصبی مقیاس‌پذیری هوش مصنوعی یادگیری تقویتی یادگیری تقویتی چندعامله یادگیری عمیق یادگیری ماشین

انتخاب پلن

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 یادگیری تقویتی چندعامله در مقیاس بزرگ: از تئوری تا عمل

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله با مقیاس‌پذیری بالا

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی
  • 2. مفاهیم اساسی یادگیری تقویتی
  • 3. عناصر یک مسئله یادگیری تقویتی
  • 4. مدل‌سازی محیط در یادگیری تقویتی
  • 5. فضای حالت و فضای عمل
  • 6. تابع پاداش و سیاست
  • 7. معیارهای ارزیابی سیاست‌ها
  • 8. روش‌های یادگیری مبتنی بر ارزش
  • 9. معادله بلمن و تکرار بلمن
  • 10. Q-learning: الگوریتم و کاربردها
  • 11. SARSA: الگوریتم و کاربردها
  • 12. تفاوت‌های Q-learning و SARSA
  • 13. روش‌های یادگیری مبتنی بر سیاست
  • 14. گرادیان سیاست
  • 15. روش‌های اکتشاف در یادگیری تقویتی
  • 16. ε-greedy
  • 17. Softmax
  • 18. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 19. شبکه‌های عصبی و یادگیری تقویتی
  • 20. DQN (Deep Q-Network)
  • 21. Double DQN
  • 22. Dueling DQN
  • 23. Prioritized Experience Replay
  • 24. یادگیری تقویتی چندعامله (Multi-Agent Reinforcement Learning)
  • 25. مفاهیم اساسی MARL
  • 26. چالش‌های MARL
  • 27. روش‌های هماهنگ‌سازی سیاست‌ها در MARL
  • 28. یادگیری تقویتی همکاری
  • 29. یادگیری تقویتی رقابتی
  • 30. بازی‌های مجموع صفر و غیرصفر
  • 31. یادگیری تقویتی در محیط‌های پویا
  • 32. یادگیری تقویتی در محیط‌های با اطلاعات ناقص
  • 33. یادگیری تقویتی در محیط‌های بزرگ
  • 34. تقویت یادگیری سلسله مراتبی
  • 35. یادگیری انتقال (Transfer Learning) در یادگیری تقویتی
  • 36. یادگیری تقویتی آفلاین (Offline Reinforcement Learning)
  • 37. یادگیری تقویتی ایمن (Safe Reinforcement Learning)
  • 38. کاربردهای یادگیری تقویتی در رباتیک
  • 39. کنترل ربات با استفاده از یادگیری تقویتی
  • 40. یادگیری تقویتی در بازی‌ها
  • 41. یادگیری تقویتی در مدیریت منابع
  • 42. بهینه‌سازی سیستم‌های حمل و نقل با یادگیری تقویتی
  • 43. یادگیری تقویتی در بازارهای مالی
  • 44. پیش‌بینی و معامله‌گری در بازارهای مالی
  • 45. یادگیری تقویتی و بهینه‌سازی زنجیره تامین
  • 46. یادگیری تقویتی در سیستم‌های توصیه گر
  • 47. یادگیری تقویتی و شخصی‌سازی
  • 48. یادگیری تقویتی و کنترل خودکار
  • 49. یادگیری تقویتی و بهینه‌سازی مصرف انرژی
  • 50. یادگیری تقویتی و شبکه‌های حسگر بی‌سیم
  • 51. یادگیری تقویتی و مدیریت ترافیک
  • 52. یادگیری تقویتی در کشاورزی دقیق
  • 53. یادگیری تقویتی و تشخیص تقلب
  • 54. یادگیری تقویتی و بهینه‌سازی تبلیغات آنلاین
  • 55. مفاهیم پیشرفته یادگیری تقویتی
  • 56. یادگیری تقویتی با حافظه
  • 57. یادگیری تقویتی مدل‌محور
  • 58. یادگیری تقویتی متمرکز
  • 59. چالش‌ها و آینده یادگیری تقویتی
  • 60. ابزارهای رایج در یادگیری تقویتی
  • 61. محیط‌های شبیه‌سازی برای یادگیری تقویتی
  • 62. OpenAI Gym
  • 63. PyBullet
  • 64. Gazebo
  • 65. TensorFlow Agents
  • 66. Ray RLlib
  • 67. آشنایی با کتابخانه‌های پایتون برای یادگیری تقویتی
  • 68. روش‌های دیباگینگ و ارزیابی مدل‌های یادگیری تقویتی
  • 69. بهینه‌سازی هایپرپارامترها در یادگیری تقویتی
  • 70. استراتژی‌های موازی‌سازی در یادگیری تقویتی
  • 71. مقایسه روش‌های مختلف یادگیری تقویتی
  • 72. کاربردهای عملی یادگیری تقویتی در صنعت
  • 73. مطالعات موردی موفق در یادگیری تقویتی
  • 74. تکنیک‌های کاهش بُعد در یادگیری تقویتی
  • 75. یادگیری تقویتی و یادگیری نظارت شده ترکیبی
  • 76. یادگیری تقویتی و یادگیری بدون نظارت ترکیبی
  • 77. یادگیری تقویتی و یادگیری نیمه‌نظارتی ترکیبی
  • 78. یادگیری تقویتی و استنتاج علّی
  • 79. یادگیری تقویتی و مقیاس‌پذیری
  • 80. یادگیری تقویتی و امنیت
  • 81. یادگیری تقویتی و اخلاق
  • 82. یادگیری تقویتی و تفسیرپذیری

📚 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.