دوره یادگیری تقویتی عمیق (Deep Reinforcement Learning) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی عمیق (Deep Reinforcement Learning)

موضوع کلی: برنامه نویسی

موضوع میانی: یادگیری عمیق (Deep Learning)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. مفهوم عامل و محیط
• 3. تابع پاداش و هدف عامل
• 4. فضای حالت و فضای عمل
• 5. روش‌های مبتنی بر ارزش
• 6. روش‌های مبتنی بر سیاست
• 7. یادگیری تقویتی بدون مدل
• 8. یادگیری تقویتی با مدل
• 9. مدل‌های مارکوف تصمیم‌گیری (MDP)
• 10. قضیه اساسی یادگیری تقویتی
• 11. معادله بلمن
• 12. مقدار حالت و مقدار عمل
• 13. بهینه‌سازی سیاست
• 14. روش‌های گرادیان سیاست
• 15. روش‌های بازیگر-منتقد (Actor-Critic)
• 16. یادگیری Q عمیق (DQN)
• 17. معماری شبکه‌های عصبی برای DQN
• 18. تجربه بازپخش (Experience Replay)
• 19. هدف‌گذاری شبکه عصبی (Target Network)
• 20. بهینه‌سازی DQN
• 21. Double DQN
• 22. Prioritized Experience Replay
• 23. Dueling DQN
• 24. Rainbow DQN
• 25. یادگیری تقویتی پیشرفته
• 26. یادگیری سیاست عمیق (DPG)
• 27. یادگیری سیاست گرادیان عمیق (DDPG)
• 28. یادگیری تقویتی مبتنی بر مدل
• 29. مدل‌سازی محیط
• 30. یادگیری مدل‌های دینامیکی
• 31. استفاده از مدل در برنامه‌ریزی
• 32. مدل‌سازی پاداش
• 33. یادگیری تقویتی چندعاملی (MARL)
• 34. مفاهیم اساسی MARL
• 35. هماهنگی در MARL
• 36. رقابت در MARL
• 37. بازی‌های مجموع-صفر
• 38. بازی‌های مجموع-غیرصفر
• 39. روش‌های مرکزی در MARL
• 40. روش‌های غیرمرکزی در MARL
• 41. یادگیری تقویتی با پاداش پراکنده
• 42. تکنیک‌های مهندسی پاداش
• 43. انتقال یادگیری در یادگیری تقویتی
• 44. انتقال دانش بین وظایف
• 45. انتقال دانش بین عامل‌ها
• 46. انتقال دانش از وظایف مصنوعی
• 47. یادگیری تقویتی برای رباتیک
• 48. کنترل ربات با یادگیری تقویتی
• 49. یادگیری تقویتی در شبیه‌سازی رباتیک
• 50. استقرار ربات در دنیای واقعی
• 51. یادگیری تقویتی در پردازش زبان طبیعی
• 52. تولید متن با یادگیری تقویتی
• 53. ترجمه ماشینی با یادگیری تقویتی
• 54. خلاصه‌سازی متن با یادگیری تقویتی
• 55. یادگیری تقویتی در بازی‌ها
• 56. یادگیری استراتژی در بازی‌های تخته‌ای
• 57. یادگیری استراتژی در بازی‌های ویدئویی
• 58. یادگیری تقویتی برای کنترل سیستم‌ها
• 59. کنترل ترافیک هوشمند
• 60. مدیریت منابع انرژی
• 61. بهینه‌سازی زنجیره تأمین
• 62. یادگیری تقویتی در امور مالی
• 63. معاملات الگوریتمی
• 64. مدیریت پورتفولیو
• 65. پیش‌بینی بازارهای مالی
• 66. یادگیری تقویتی در سلامت
• 67. تشخیص بیماری
• 68. طراحی درمان
• 69. مدیریت بیماری‌های مزمن
• 70. یادگیری تقویتی و اخلاق
• 71. سوگیری در الگوریتم‌ها
• 72. مسئولیت‌پذیری عامل‌ها
• 73. شفافیت و قابلیت تفسیر
• 74. ایمنی در یادگیری تقویتی
• 75. اعتبارسنجی مدل‌های یادگیری تقویتی
• 76. ارزیابی عملکرد عامل‌ها
• 77. تست عامل‌ها در محیط‌های مختلف
• 78. روش‌های بهبود پایداری
• 79. یادگیری تقویتی در محیط‌های پویا
• 80. سازگاری عامل‌ها با تغییرات محیطی
• 81. یادگیری تقویتی با محدودیت‌های محاسباتی
• 82. بهینه‌سازی منابع در یادگیری تقویتی
• 83. عامل‌های کارآمد در یادگیری تقویتی
• 84. کاربرد یادگیری تقویتی در صنعت
• 85. اتوماسیون صنعتی
• 86. بهینه‌سازی فرآیند تولید
• 87. کنترل کیفیت با یادگیری تقویتی
• 88. یادگیری تقویتی در کشاورزی
• 89. مدیریت هوشمند مزارع
• 90. بهینه‌سازی مصرف آب و کود
• 91. پیش‌بینی آفات و بیماری‌های گیاهی
• 92. یادگیری تقویتی در حمل و نقل
• 93. هدایت خودکار وسایل نقلیه
• 94. بهینه‌سازی مسیرهای حمل و نقل
• 95. مدیریت ترافیک هوشمند
• 96. یادگیری تقویتی در آموزش
• 97. شخصی‌سازی فرآیندهای یادگیری
• 98. سیستم‌های کمک آموزشی هوشمند
• 99. ارزیابی پیشرفت یادگیری دانش‌آموزان
• 100. یادگیری تقویتی برای بهینه‌سازی الگوریتم‌ها