دوره شبیهسازی اقتصاد کلان ناهمگن با یادگیری تقویتی چند عامله عمیق: از نظریه تا عمل همراه با فلشکارت آموزشی — ارائه روی فلش مموری
📚 کتاب آموزشی جامع
📚 اطلاعات کتاب
عنوان کتاب: کتاب شبیهسازی اقتصاد کلان ناهمگن با یادگیری تقویتی چند عامله عمیق: از نظریه تا عمل
موضوع کلی: مدلسازی اقتصاد کلان با رویکردهای نوین
موضوع میانی: یادگیری تقویتی چند عامله در مدلسازی چرخههای تجاری
📋 سرفصلهای کتاب (100 موضوع)
- 1. مبانی اقتصاد کلان پویا
- 2. مدلهای استاندارد چرخه تجاری واقعی (RBC)
- 3. معادلات کلیدی در مدل RBC
- 4. فرضیات مدل RBC استاندارد
- 5. چالشهای مدل RBC استاندارد
- 6. ناهمگنی در مدلهای اقتصادی
- 7. اهمیت ناهمگنی عاملها
- 8. انواع ناهمگنی در مدلهای اقتصادی
- 9. ناهمگنی درآمد و ثروت
- 10. ناهمگنی مهارت و بهرهوری
- 11. ناهمگنی ترجیحات
- 12. مقدمهای بر یادگیری تقویتی (RL)
- 13. مفاهیم اساسی یادگیری تقویتی
- 14. عامل، محیط، حالت، عمل، پاداش
- 15. سیاست (Policy) و تابع ارزش (Value Function)
- 16. یادگیری آفلاین و آنلاین
- 17. یادگیری تقویتی تک عامله
- 18. مقدمهای بر یادگیری عمیق (Deep Learning)
- 19. شبکههای عصبی مصنوعی (ANN)
- 20. شبکههای عصبی کانولوشنال (CNN)
- 21. شبکههای عصبی بازگشتی (RNN)
- 22. یادگیری عمیق در مدلسازی اقتصادی
- 23. ترکیب یادگیری عمیق و یادگیری تقویتی (Deep RL)
- 24. یادگیری تقویتی چند عامله (MARL)
- 25. مفاهیم پایه MARL
- 26. محیطهای چند عامله
- 27. چالشهای MARL
- 28. انواع سناریوهای MARL (همکارانه، رقابتی، مختلط)
- 29. ملاحظات هماهنگی در MARL
- 30. ملاحظات استقلال در MARL
- 31. مقدمهای بر مقاله "Heterogeneous RBCs via deep multi-agent reinforcement learning"
- 32. هدف اصلی مقاله
- 33. روششناسی پیشنهادی در مقاله
- 34. معماری مدل چند عامله در مقاله
- 35. تفاوت مدل پیشنهادی با مدل RBC استاندارد
- 36. نقش یادگیری عمیق در مدل مقاله
- 37. اجزای کلیدی مدل RBC ناهمگن پیشنهادی
- 38. مدلسازی خانوارها با ناهمگنی
- 39. مدلسازی بنگاهها با ناهمگنی
- 40. مدلسازی عامل دولت
- 41. معادلات رفتاری عاملها در مدل ناهمگن
- 42. تابع پاداش برای عاملها در مدل ناهمگن
- 43. طراحی محیط شبیهسازی
- 44. فرایند یادگیری عاملها
- 45. انتخاب معماری شبکه عصبی برای عاملها
- 46. پیادهسازی الگوریتم یادگیری تقویتی عمیق
- 47. الگوریتمهای یادگیری تقویتی عمیق پرکاربرد (DQN, A2C, PPO)
- 48. انتخاب الگوریتم مناسب برای مدل مقاله
- 49. مراحل پیادهسازی الگوریتم انتخابی
- 50. تنظیم پارامترهای الگوریتم
- 51. اعتبارسنجی مدل ناهمگن
- 52. مقایسه نتایج مدل با دادههای واقعی
- 53. ارزیابی توانایی مدل در شبیهسازی چرخههای تجاری
- 54. تحلیل چرخههای تجاری شبیهسازی شده
- 55. اندازهگیری ناهمگنی در نتایج شبیهسازی
- 56. بررسی تاثیر ناهمگنی بر پویاییهای اقتصادی
- 57. اثرات ناهمگنی بر نوسانات اقتصادی
- 58. اثرات ناهمگنی بر تخصیص منابع
- 59. اثرات ناهمگنی بر سیاستگذاری
- 60. کاربرد مدل در تحلیل سیاستهای مالی
- 61. کاربرد مدل در تحلیل سیاستهای پولی
- 62. بررسی سناریوهای شوکهای اقتصادی
- 63. شوک بهرهوری
- 64. شوک ترجیحات
- 65. شوک سیاستگذاری
- 66. تاثیر انواع مختلف ناهمگنی بر واکنش به شوکها
- 67. طراحی عاملهای یادگیرنده مستقل
- 68. طراحی عاملهای یادگیرنده هماهنگ
- 69. چالشهای همگرایی در MARL
- 70. روشهای افزایش پایداری یادگیری
- 71. تفسیر نتایج مدل MARL
- 72. قابلیت تعمیم مدل به شرایط جدید
- 73. محدودیتهای مدل ناهمگن MARL
- 74. پیشنهادات برای تحقیقات آینده
- 75. کاربرد مدل در سایر حوزههای اقتصاد کلان
- 76. مدلسازی بازار کار ناهمگن
- 77. مدلسازی بازارهای مالی ناهمگن
- 78. مدلسازی رشد اقتصادی با ناهمگنی
- 79. ابزارهای شبیهسازی و پیادهسازی
- 80. زبانهای برنامهنویسی (Python, Julia)
- 81. کتابخانههای یادگیری عمیق (TensorFlow, PyTorch)
- 82. کتابخانههای یادگیری تقویتی (Stable-Baselines3, Ray RLlib)
- 83. ساخت محیط شبیهسازی سفارشی
- 84. پیادهسازی عاملهای خانوار
- 85. پیادهسازی عاملهای بنگاه
- 86. پیادهسازی عامل دولت
- 87. نحوه تعریف تابع پاداش در عمل
- 88. نحوه تعریف فضای حالت در عمل
- 89. نحوه تعریف فضای عمل در عمل
- 90. تمرین عملی: ساخت یک مدل RBC ساده با RL تک عامله
- 91. تمرین عملی: توسعه مدل RBC ساده به یک مدل ناهمگن ساده
- 92. تمرین عملی: پیادهسازی یک محیط MARL پایه
- 93. تمرین عملی: آموزش عاملها در یک محیط MARL ساده
- 94. تمرین عملی: ادغام مدل RBC ناهمگن با MARL
- 95. تمرین عملی: اجرای شبیهسازی و تحلیل نتایج اولیه
- 96. تمرین عملی: تغییر پارامترهای مدل و بررسی اثرات
- 97. تمرین عملی: مقایسه نتایج مدل با یک مدل RBC استاندارد
- 98. کاربرد در تحلیل بحرانهای مالی
- 99. کاربرد در تحلیل نابرابری درآمدی
- 100. مبانی نظری مدلهای پویای تصادفی عمومی (DSGE)
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.