دوره پیش‌نیازهای یادگیری خودنظارت برای موفقیت در MARL همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌نیازهای یادگیری خودنظارت برای موفقیت در MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری خودنظارت (Self-Supervised Learning)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعاملی (MARL)
• 2. مفاهیم پایه یادگیری تقویتی (RL)
• 3. تعریف عامل، محیط، حالت، عمل و پاداش
• 4. تابع ارزش و تابع سیاست
• 5. الگوریتم‌های یادگیری تقویتی پایه
• 6. یادگیری Q-Learning
• 7. یادگیری Deep Q-Network (DQN)
• 8. الگوریتم‌های مبتنی بر گرادیان سیاست
• 9. Actor-Critic Methods
• 10. مقدمه‌ای بر سیستم‌های چندعاملی
• 11. مفاهیم اساسی سیستم‌های چندعاملی
• 12. تعاملات بین عوامل
• 13. همکاری، رقابت و بازی‌های ترکیبی
• 14. اقتصاد خرد و نظریه بازی‌ها در MARL
• 15. مفاهیم تعادل نش
• 16. بازی‌های با مجموع صفر و مجموع غیرصفر
• 17. مقدمه‌ای بر خودنظارت (Self-Supervision)
• 18. تعریف خودنظارت و کاربردهای آن
• 19. یادگیری نمایش (Representation Learning) با خودنظارت
• 20. یادگیری خودنظارت در پردازش زبان طبیعی (NLP)
• 21. یادگیری خودنظارت در بینایی ماشین (Computer Vision)
• 22. کاربرد خودنظارت در MARL
• 23. چالش‌های خودنظارت در محیط‌های چندعاملی
• 24. خودنظارت برای یادگیری نمایش عامل
• 25. استفاده از پیش‌بینی آینده برای خودنظارت
• 26. خودنظارت مبتنی بر قیاس (Contrastive Learning)
• 27. یادگیری نمایش مشترک بین عوامل
• 28. خودنظارت برای کشف ساختار محیط
• 29. خودنظارت برای یادگیری سیاست‌های همکاری
• 30. خودنظارت برای یادگیری سیاست‌های رقابتی
• 31. خودنظارت در محیط‌های با حالات پنهان
• 32. خودنظارت برای تخمین عدم قطعیت
• 33. روش‌های مبتنی بر مدل در MARL
• 34. یادگیری مدل محیط
• 35. استفاده از مدل برای برنامه‌ریزی
• 36. مدل‌های احتمالی محیط
• 37. روش‌های بدون مدل در MARL
• 38. یادگیری مستقیم سیاست
• 39. یادگیری مستقیم تابع ارزش
• 40. الگوریتم‌های Policy Gradient در MARL
• 41. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 42. COMA (Counterfactual Multi-Agent Policy Gradients)
• 43. QMIX: Monotonic Value Function Factorisation
• 44. VDN (Value Decomposition Networks)
• 45. IQL (Independent Q-Learning)
• 46. DDPG (Deep Deterministic Policy Gradient) در حالت چندعاملی
• 47. PPO (Proximal Policy Optimization) در MARL
• 48. A2C (Advantage Actor-Critic) در MARL
• 49. TRPO (Trust Region Policy Optimization) در MARL
• 50. روش‌های مبتنی بر شبکه‌های عصبی عمیق در MARL
• 51. کاربرد شبکه‌های عصبی کانولوشنال (CNN)
• 52. کاربرد شبکه‌های عصبی بازگشتی (RNN)
• 53. کاربرد شبکه‌های عصبی ترنسفورمر (Transformer)
• 54. یادگیری سلسله مراتبی در MARL
• 55. تعریف سطوح انتزاع در یادگیری سلسله مراتبی
• 56. یادگیری وظایف فرعی (Sub-task learning)
• 57. استفاده از خودنظارت برای یادگیری سلسله مراتبی
• 58. کاربرد یادگیری سلسله مراتبی در MARL
• 59. یادگیری هدف‌محور (Goal-conditioned MARL)
• 60. یادگیری از تجربیات دیگران (Experience Replay)
• 61. تکنیک‌های بهبود تجربه بازپخش
• 62. مدیریت حافظه در یادگیری تقویتی
• 63. برنامه‌ریزی مبتنی بر مدل در MARL
• 64. تکنیک‌های جستجوی درخت سیاست (Policy Tree Search)
• 65. مونت کارلو تری سرچ (MCTS) در MARL
• 66. تکنیک‌های یادگیری توزیع شده در MARL
• 67. یادگیری federated در سیستم‌های چندعاملی
• 68. یادگیری تقویتی غیرمتمرکز
• 69. یادگیری تقویتی متمرکز
• 70. انتقال یادگیری (Transfer Learning) در MARL
• 71. تنظیم دقیق (Fine-tuning) سیاست‌های آموخته شده
• 72. انتقال یادگیری بین محیط‌ها
• 73. انتقال یادگیری بین وظایف
• 74. کاربرد خودنظارت در انتقال یادگیری
• 75. مباحث پیشرفته در MARL
• 76. یادگیری شبیه‌سازی (Simulation-to-Reality Transfer)
• 77. یادگیری تقویتی با پاداش‌های ضمنی (Implicit Rewards)
• 78. یادگیری تقویتی با پاداش‌های پراکنده (Sparse Rewards)
• 79. خودنظارت برای غلبه بر پاداش‌های پراکنده
• 80. یادگیری اکتشاف (Exploration) در MARL
• 81. تکنیک‌های اکتشاف مبتنی بر عدم قطعیت
• 82. خودنظارت برای افزایش اکتشاف
• 83. یادگیری تقویتی در رباتیک
• 84. کاربرد MARL در سیستم‌های خودران
• 85. یادگیری تقویتی در مدیریت منابع
• 86. یادگیری تقویتی در شبکه‌های ارتباطی
• 87. یادگیری تقویتی در بازارهای مالی (با چارچوب مقرراتی)
• 88. یادگیری تقویتی در بازی‌های استراتژیک
• 89. ارزیابی عملکرد در MARL
• 90. معیارهای سنجش موفقیت در همکاری
• 91. معیارهای سنجش موفقیت در رقابت
• 92. آزمون و خطای (Ablation Studies) در MARL
• 93. اخلاق در هوش مصنوعی چندعاملی (با چارچوب رسمی)
• 94. مسئولیت‌پذیری در سیستم‌های خودکار
• 95. شفافیت در تصمیم‌گیری عوامل
• 96. ملاحظات امنیتی در MARL
• 97. امنیت شبکه‌های یادگیری تقویتی چندعاملی
• 98. مقاومت در برابر حملات
• 99. پروژه‌های عملی در MARL
• 100. پیاده‌سازی یک سیستم MARL ساده