کتاب RLlib: ابزاری ضروری برای پژوهشگران و مهندسان MARL

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 RLlib: ابزاری ضروری برای پژوهشگران و مهندسان MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: RLlib

📋 سرفصل‌های دوره

  • 1. مفاهیم پایه یادگیری تقویتی
  • 2. چارچوب یادگیری تقویتی چندعامله (MARL)
  • 3. معرفی RLlib و جایگاه آن در اکوسیستم Ray
  • 4. نصب و راه‌اندازی محیط کاری RLlib
  • 5. مبانی Ray برای محاسبات توزیع‌شده
  • 6. طراحی محیط با OpenAI Gym برای RLlib
  • 7. طراحی محیط‌های چندعامله با PettingZoo
  • 8. فضاهای مشاهده و فعل در RLlib
  • 9. شکل‌دهی پاداش و اصول طراحی آن در MARL
  • 10. آشنایی با API اصلی RLlib (Trainer، Policy، Environment)
  • 11. الگوریتم DQN و پیاده‌سازی در RLlib
  • 12. الگوریتم‌های پیشرفته DQN (Double DQN، Dueling DQN، Prioritized ER)
  • 13. روش‌های گرادیان سیاست (Policy Gradient)
  • 14. الگوریتم REINFORCE و پیاده‌سازی در RLlib
  • 15. الگوریتم PPO: تئوری و پیاده‌سازی در RLlib
  • 16. تنظیم پارامترهای کلیدی PPO در RLlib
  • 17. الگوریتم A2C/A3C و کاربرد در RLlib
  • 18. الگوریتم SAC برای فضاهای پیوسته
  • 19. الگوریتم TD3 و پیاده‌سازی در RLlib
  • 20. الگوریتم Rainbow DQN و اجزای تشکیل‌دهنده
  • 21. معماری شبکه‌های عصبی در RLlib (Actor، Critic، Distribution)
  • 22. تعریف سیاست‌های سفارشی (Custom Policy) در RLlib
  • 23. تعریف الگوریتم‌های سفارشی در RLlib
  • 24. آشنایی با حالت‌های تک‌عامله در RLlib
  • 25. سناریوهای چندعامله همکارانه (Cooperative MARL)
  • 26. سناریوهای چندعامله رقابتی (Competitive MARL)
  • 27. رویکردهای CTDE (آموزش متمرکز، اجرای توزیع‌شده)
  • 28. الگوریتم MADDPG و پیاده‌سازی در RLlib
  • 29. الگوریتم QMIX و آموزش متمرکز مقداری
  • 30. الگوریتم MAPPO برای چندعامله‌های همکارانه
  • 31. استراتژی‌های آموزش مستقل در چندعامله (Independent Learners)
  • 32. طراحی فضاهای مشاهده مشترک و توزیع‌شده در MARL
  • 33. طراحی پاداش‌های چندعامله (مشترک، فردی، ترکیبی)
  • 34. ارتباطات بین عوامل در محیط‌های MARL
  • 35. مدل‌سازی حریفان و رفتار تطبیقی در MARL
  • 36. یادگیری چندعامله با مشاهده ناقص (Partial Observability)
  • 37. استفاده از حافظه بلادرنگ مشترک بین عوامل
  • 38. اجرای موازی آموزش چندعامله با Ray
  • 39. مقیاس‌پذیری آموزش RLlib روی کلاستر توزیع‌شده
  • 40. آموزش ناهمگن و ناهمسان‌سازی در محیط‌های چندعامله
  • 41. تنظیم خودکار هایپرپارامتر با Ray Tune و RLlib
  • 42. بازتولید نتایج مقالات پژوهشی با RLlib
  • 43. یادگیری تقویتی آفلاین (Offline RL) در RLlib
  • 44. یادگیری مبتنی بر مدل (Model-Based RL) در RLlib
  • 45. یادگیری پیوندی (Curriculum Learning) در RLlib
  • 46. استفاده از محیط‌های شبیه‌سازی شده برای MARL
  • 47. پیچ‌وخم‌های رایج در آموزش MARL و راه‌حل‌های عملی
  • 48. ابزارهای دیباگ و نظارت بر آموزش در RLlib
  • 49. بهینه‌سازی عملکرد و سرعت آموزش در RLlib
  • 50. مدیریت checkpoint و نسخه‌بندی مدل‌ها در RLlib
  • 51. یکپارچه‌سازی RLlib با ابزارهای Ray (Tune، Train)
  • 52. استفاده از Wrapper‌های محیط و Preprocessor در RLlib
  • 53. مدیریت بافر تجربه و نمونه‌برداری در مقیاس بزرگ
  • 54. تحلیل همگرایی و پایداری آموزش MARL
  • 55. مطالعه موردی: آموزش چندعامله در بازی‌های تعاملی
  • 56. مطالعه موردی: کنترل رباتیک چندعامله با RLlib
  • 57. مطالعه موردی: بهینه‌سازی ترافیک و شبکه با MARL

📚 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.