دوره ساخت سیستم‌های خودکار با PettingZoo همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت سیستم‌های خودکار با PettingZoo

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: PettingZoo

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر محیط‌های یادگیری تقویتی
• 2. آشنایی با کتابخانه PettingZoo
• 3. نصب و راه‌اندازی PettingZoo
• 4. مفاهیم پایه در یادگیری تقویتی
• 5. عامل، محیط، حالت، عمل، پاداش
• 6. فرآیندهای تصمیم‌گیری مارکوف (MDP)
• 7. الگوریتم‌های مبتنی بر ارزش (Value-Based)
• 8. الگوریتم‌های مبتنی بر سیاست (Policy-Based)
• 9. الگوریتم‌های ترکیبی (Actor-Critic)
• 10. محیط‌های تک عاملی در PettingZoo
• 11. محیط‌های چند عاملی (MARL)
• 12. مفهوم همکاری در MARL
• 13. مفهوم رقابت در MARL
• 14. مفهوم مختلط در MARL
• 15. معماری‌های شبکه‌های عصبی برای MARL
• 16. شبکه‌های عصبی کانولوشنال (CNN)
• 17. شبکه‌های عصبی بازگشتی (RNN)
• 18. شبکه‌های عصبی کانولوشنال بازگشتی (CRNN)
• 19. پیاده‌سازی یک محیط ساده در PettingZoo
• 20. تعریف حالات و اعمال در محیط
• 21. تعریف تابع پاداش
• 22. ارزیابی عملکرد عامل
• 23. تکنیک‌های پیش‌پردازش داده‌ها
• 24. نرمال‌سازی و استانداردسازی داده‌ها
• 25. استفاده از تکنیک‌های افزایش داده (Data Augmentation)
• 26. یادگیری عمیق و PettingZoo
• 27. پیاده‌سازی الگوریتم Q-Learning در PettingZoo
• 28. پیاده‌سازی الگوریتم Deep Q-Network (DQN)
• 29. پیاده‌سازی الگوریتم Policy Gradients
• 30. پیاده‌سازی الگوریتم A2C (Advantage Actor-Critic)
• 31. پیاده‌سازی الگوریتم PPO (Proximal Policy Optimization)
• 32. مدیریت حافظه تجربه (Experience Replay)
• 33. اهمیت هدف‌گذاری (Target Network)
• 34. تکنیک‌های جلوگیری از ناپایداری در آموزش
• 35. استفاده از محیط‌های استاندارد PettingZoo
• 36. محیط‌های بازی‌های تخته‌ای (Board Games)
• 37. محیط‌های بازی‌های کارتی (Card Games)
• 38. محیط‌های شبیه‌سازی رباتیک (Robotics Simulation)
• 39. محیط‌های شبیه‌سازی خودرو (Vehicle Simulation)
• 40. محیط‌های شبیه‌سازی اقتصادی (Economic Simulation)
• 41. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 42. جستجوی شبکه‌ای (Grid Search)
• 43. جستجوی تصادفی (Random Search)
• 44. بهینه‌سازی بیزی (Bayesian Optimization)
• 45. ارزیابی و مقایسه الگوریتم‌ها
• 46. متریک‌های ارزیابی در MARL
• 47. تحلیل حساسیت به ابرپارامترها
• 48. تکنیک‌های کاهش ابعاد در MARL
• 49. تجزیه و تحلیل مولفه‌های اصلی (PCA)
• 50. تجزیه و تحلیل جداسازی مستقل (ICA)
• 51. استفاده از تکنیک‌های کاهش ابعاد در PettingZoo
• 52. کاربرد PettingZoo در رباتیک هوشمند
• 53. کاربرد PettingZoo در سیستم‌های توصیه
• 54. کاربرد PettingZoo در مدیریت ترافیک
• 55. کاربرد PettingZoo در بازی‌های کامپیوتری
• 56. کاربرد PettingZoo در بهینه‌سازی منابع
• 57. محیط‌های یادگیری تقویتی توزیع‌شده
• 58. معماری‌های یادگیری تقویتی توزیع‌شده
• 59. چالش‌های یادگیری تقویتی توزیع‌شده
• 60. پیاده‌سازی یادگیری تقویتی توزیع‌شده با PettingZoo
• 61. مفاهیم پیشرفته در MARL
• 62. بازی‌های غیر ساکن (Non-Stationary Games)
• 63. بازی‌های با اطلاعات ناقص (Imperfect Information Games)
• 64. بازی‌های با هماهنگی بالا (High Coordination Games)
• 65. بازی‌های با تفکیک نقش (Role-Differentiated Games)
• 66. تعادل نش (Nash Equilibrium) در بازی‌های چند عاملی
• 67. پیاده‌سازی الگوریتم‌های پیشرفته در PettingZoo
• 68. یادگیری تقویتی با بازخورد انسانی (RLHF)
• 69. کاربرد RLHF در PettingZoo
• 70. اخلاق در یادگیری تقویتی
• 71. مسئولیت‌پذیری در سیستم‌های خودکار
• 72. شفافیت و قابلیت تفسیر (Interpretability)
• 73. پیش‌بینی رفتار عامل‌های دیگر
• 74. یادگیری از طریق مشاهده (Imitation Learning)
• 75. کاربرد Imitation Learning در PettingZoo
• 76. یادگیری تقویتی چندوظیفه‌ای (Multi-Task RL)
• 77. کاربرد Multi-Task RL در PettingZoo
• 78. تکنیک‌های بهبود کارایی و سرعت آموزش
• 79. استفاده از پردازنده‌های گرافیکی (GPU)
• 80. محاسبات موازی و توزیع‌شده
• 81. استفاده از کتابخانه‌های بهینه‌سازی
• 82. تکنیک‌های یادگیری انتقالی (Transfer Learning)
• 83. کاربرد Transfer Learning در PettingZoo
• 84. بررسی مسائل امنیتی در سیستم‌های خودکار
• 85. حملات به شبکه‌های عصبی در RL
• 86. روش‌های مقابله با حملات
• 87. کاربرد PettingZoo در شبیه‌سازی‌های پیچیده
• 88. شبیه‌سازی سیستم‌های پیچیده زیستی
• 89. شبیه‌سازی سیستم‌های پیچیده اجتماعی
• 90. شبیه‌سازی سیستم‌های پیچیده اقتصادی
• 91. آموزش عامل‌های چندوجهی (Multi-Modal Agents)
• 92. یادگیری تقویتی با حسگرهای مختلف
• 93. پردازش تصویر و صدا در RL
• 94. کاربرد PettingZoo برای عامل‌های چندوجهی
• 95. ساخت و ارزیابی معماری‌های نوین در MARL
• 96. مقایسه با روش‌های سنتی
• 97. بررسی محدودیت‌های PettingZoo
• 98. پتانسیل PettingZoo برای تحقیقات آینده
• 99. آینده یادگیری تقویتی چند عاملی
• 100. کاربردهای نوظهور PettingZoo