کتاب PyMARL: چارچوبی جامع برای حل مسائل پیچیده هوش مصنوعی چندعامله

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 PyMARL: چارچوبی جامع برای حل مسائل پیچیده هوش مصنوعی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: PyMARL

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
  • 2. تفاوت یادگیری تک‌عامله و چندعامله
  • 3. فرآیند تصمیم‌گیری مارکوف و گسترش آن در چندعامله
  • 4. فضای عملیات و مشاهده مشترک بین عامل‌ها
  • 5. تعاملات بین عامل‌ها: همکاری، رقابت و تعادل
  • 6. سیاست محلی در مقابل سیاست جمعی
  • 7. یادگیری تقویتی کلاسیک: Q-Learning و محدودیت‌های آن
  • 8. شبکه‌های Q عمیق (DQN) و چالش‌های چندعامله
  • 9. پلیسی گرادیان و بهینه‌سازی سیاست
  • 10. Actor-Critic و آپتیمایزاسیون‌های A2C/A3C
  • 11. PPO و اصول کلیدی آپتیمایزاسیون
  • 12. تعادل ناش و Nash Equilibrium در سیستم‌های چندعامله
  • 13. مشکل تخصیص اعتبار (Credit Assignment)
  • 14. ارزیابی عملکرد در محیط‌های چندعامله
  • 15. مبانی نظری تعاون غیرمستقیم
  • 16. معرفی PyMARL و معماری نرم‌افزاری آن
  • 17. نصب و راه‌اندازی PyMARL روی سیستم شخصی
  • 18. آشنایی با محیط StarCraft II و دیتاست‌های استاندارد
  • 19. ساختار پروژه و فایل‌های کلیدی PyMARL
  • 20. تنظیمات پیکربندی (config) در PyMARL
  • 21. اجرای اولین آزمایش و تفسیر لاگ‌ها
  • 22. مدیریت دیتاست‌ها و بافر تجربه
  • 23. استفاده از GPU و موازی‌سازی آموزش
  • 24. الگوریتم VDN: جمع ساده Q-values
  • 25. آموزش VDN در PyMARL و محدودیت‌های آن
  • 26. الگوریتم QMIX: ترکیب مجزا و مخلوط Q-values
  • 27. معماری شبکه QMIX و تابع mixing
  • 28. آموزش QMIDE در PyMARL — قدم‌به‌قدم
  • 29. تحلیل عملکرد QMIX روی سناریوهای StarCraft II
  • 30. ویژگی‌های QMIX: تابع فوق‌مختلط و monotonicity
  • 31. الگوریتم QTRAN: ترکیب مستقیم Q-values
  • 32. تفاوت QTRAN با QMIX و کاربردهای عملی
  • 33. آموزش QTRAN در PyMARL
  • 34. MADDPG: Actor-Critic مرکزوزا با مشاهده محلی
  • 35. معماری MADDPG و آموزش آن در PyMARL
  • 36. DMAQ: ترکیب Q-values با توجه به عملکرد عامل‌ها
  • 37. خودتنظیمی و مقیاس‌پذیری در الگوریتم‌های ترکیبی
  • 38. MAPPO: PPO چندعامله با انتقال گرادیان مشترک
  • 39. آموزش MAPPO در PyMARL
  • 40. تفکیک بهینه‌سازی محلی و جمعی در MAPPO
  • 41. MAVEN: بهره‌گیری از متغیرهای کمکی برای اکتشاف
  • 42. بافر راه‌حل‌های MAVEN و نقش آن در تنوع سیاست
  • 43. آموزش MAVEN در PyMARL
  • 44. QPLEX: ترکیب بدون محدودیت monotonicity
  • 45. تحلیل مقایسه‌ای QPLEX و QMIX
  • 46. آموزش QPLEX در PyMARL
  • 47. روش‌های مبتنی بر توجه (Attention) در MARL
  • 48. شبکه‌های گرافی (GNN) برای تعامل عامل‌ها
  • 49. استفاده از GNN در PyMARL برای نظارت جمعی
  • 50. پروتکل‌های ارتباطی قابل یادگیری: CommNet و TarMAC
  • 51. آموزش ارتباط بین عامل‌ها در PyMARL
  • 52. اکتشاف در محیط‌های چندعامله و چالش‌های آن
  • 53. استراتژی‌های اکتشاف جمعی و متنوع
  • 54. یادگیری انتقالی در سیستم‌های چندعامله
  • 55. یادگیری چندمهاره‌ای (Multi-Task) در MARL
  • 56. مدیریت بلندمدت و برنامه‌ریزی در چندعامله
  • 57. مدل‌سازی جهان (World Model) در MARL
  • 58. آموزش با بازخورد جزئی و ناقص
  • 59. مدیریت پویایی عوامل جدید و خارج شدنی
  • 60. بارست‌رایزینگ در آموزش چندعامله
  • 61. مقیاس‌پذیری الگوریتم‌ها به تعداد زیاد عامل‌ها
  • 62. مقاومت در برابر عامل‌های دست‌کاری‌شده
  • 63. نوشتن محیط سفارشی برای PyMARL
  • 64. تعریف مشاهدات و عملیات در محیط سفارشی
  • 65. پیاده‌سازی الگوریتم سفارشی در PyMARL
  • 66. دیباگ کردن آموزش چندعامله
  • 67. بهینه‌سازی هایپرپارامترها در الگوریتم‌های MARL
  • 68. ذخیره و بازیابی مدل‌ها در PyMARL
  • 69. تجسم‌سازی نتایج آموزش و رفتار عامل‌ها
  • 70. مقایسه الگوریتم‌ها با استفاده از PyMARL
  • 71. بازتولید نتایج مقالات کلیدی MARL
  • 72. مدیریت نسخه و کنترل منبع در پروژه‌های PyMARL
  • 73. تولید دیتاست‌های سفارشی برای آزمایش‌های MARL
  • 74. benchmark های استاندارد در یادگیری تقویتی چندعامله
  • 75. کاربرد MARL در رباتیک چندعامله
  • 76. کاربرد MARL در ترافیک هوشمند و مدیریت حمل‌ونقل
  • 77. MARL در بازی‌سازی و شبیه‌سازی
  • 78. MARL در بازارهای هوشمند و حراج‌گاهی
  • 79. MARL در شبکه‌های ارتباطی و روترینگ
  • 80. MARL در مدیریت انرژی و شبکه‌های هوشمند
  • 81. مسائل امنیتی و اخلاقی در یادگیری تقویتی چندعامله
  • 82. چالش‌های کنونی و جهت‌های تحقیقاتی آینده MARL
  • 83. پروژه نهایی: طراحی و آموزش عامل‌های چندعامله با PyMARL

📚 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.