دوره یادگیری تقویتی (Reinforcement Learning): مفاهیم و کاربردها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی (Reinforcement Learning): مفاهیم و کاربردها

موضوع کلی: برنامه نویسی

موضوع میانی: علم داده (Data Science)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی
• 2. عناصر کلیدی یادگیری تقویتی
• 3. عامل، محیط و حالت
• 4. اقدام و پاداش
• 5. سیاست و تابع ارزش
• 6. یادگیری سیاست و یادگیری ارزش
• 7. مسائل اساسی در یادگیری تقویتی
• 8. کوتاه‌مدت در برابر بلندمدت
• 9. موازنه اکتشاف و بهره‌برداری
• 10. فرآیندهای تصمیم‌گیری مارکوف (MDP)
• 11. تعریف MDP
• 12. تابع انتقال حالت
• 13. تابع پاداش
• 14. معادله بلمن
• 15. حل MDP: الگوریتم‌های برنامه‌ریزی
• 16. تکرار ارزش
• 17. تکرار سیاست
• 18. تکرار خطی
• 19. تکرار مقایسه‌ای
• 20. روش‌های مبتنی بر مدل در یادگیری تقویتی
• 21. یادگیری مستقیم مدل
• 22. یادگیری غیرمستقیم مدل
• 23. مدل‌های یادگیری ماشینی برای MDP
• 24. روش‌های بدون مدل در یادگیری تقویتی
• 25. یادگیری Q (Q-Learning)
• 26. یادگیری Q-Diference
• 27. یادگیری SARSA
• 28. مقایسه Q-Learning و SARSA
• 29. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
• 30. مقدمه‌ای بر شبکه‌های عصبی عمیق
• 31. شبکه‌های عصبی کانولوشنال (CNN)
• 32. شبکه‌های عصبی بازگشتی (RNN)
• 33. شبکه‌های عصبی مولد (GAN)
• 34. مقدمه‌ای بر یادگیری عمیق تقویتی
• 35. Deep Q-Networks (DQN)
• 36. معماری DQN
• 37. تابع هدف DQN
• 38. نحوه آموزش DQN
• 39. پیشرفت‌های DQN
• 40. Double DQN
• 41. Dueling DQN
• 42. Prioritized Experience Replay
• 43. یادگیری سیاست گرادیان (Policy Gradient)
• 44. مقدمه‌ای بر روش‌های گرادیان سیاست
• 45. روش REINFORCE
• 46. پیاده‌سازی REINFORCE
• 47. یادگیری سیاست گرادیان در مقابل یادگیری ارزش
• 48. Actor-Critic Methods
• 49. مقدمه‌ای بر روش‌های Actor-Critic
• 50. A2C (Advantage Actor-Critic)
• 51. A3C (Asynchronous Advantage Actor-Critic)
• 52. مقایسه Actor-Critic با روش‌های دیگر
• 53. یادگیری تقویتی در روباتیک
• 54. کنترل ربات با یادگیری تقویتی
• 55. یادگیری حرکت ربات
• 56. یادگیری تعامل ربات با محیط
• 57. کاربردها در سیستم‌های خودمختار
• 58. یادگیری تقویتی در پردازش زبان طبیعی
• 59. تولید متن با یادگیری تقویتی
• 60. ترجمه ماشینی با یادگیری تقویتی
• 61. خلاصه‌سازی متن با یادگیری تقویتی
• 62. مدیریت مکالمه با یادگیری تقویتی
• 63. یادگیری تقویتی در بازی‌ها
• 64. یادگیری تقویتی در بازی‌های تخته‌ای
• 65. یادگیری تقویتی در بازی‌های ویدئویی
• 66. AlphaGo و دستاوردهای آن
• 67. یادگیری تقویتی در سیستم‌های توصیه‌گر
• 68. توصیه محصولات با یادگیری تقویتی
• 69. توصیه محتوا با یادگیری تقویتی
• 70. شخصی‌سازی تجربه کاربر
• 71. یادگیری تقویتی در امور مالی
• 72. معاملات الگوریتمی با یادگیری تقویتی
• 73. مدیریت سبد سهام با یادگیری تقویتی
• 74. پیش‌بینی بازار با یادگیری تقویتی
• 75. یادگیری تقویتی در بهینه‌سازی
• 76. بهینه‌سازی مسیریابی
• 77. بهینه‌سازی تخصیص منابع
• 78. بهینه‌سازی زمان‌بندی
• 79. یادگیری تقویتی در سلامت و پزشکی
• 80. تشخیص بیماری با یادگیری تقویتی
• 81. طراحی درمان با یادگیری تقویتی
• 82. مدیریت بیماری با یادگیری تقویتی
• 83. یادگیری تقویتی در شبکه‌های کامپیوتری
• 84. بهینه‌سازی ترافیک شبکه
• 85. مدیریت منابع شبکه
• 86. امنیت شبکه با یادگیری تقویتی
• 87. یادگیری تقویتی در محیط‌های چندعاملی (MARL)
• 88. مقدمه‌ای بر محیط‌های چندعاملی
• 89. چالش‌های MARL
• 90. همکاری و رقابت در MARL
• 91. کاربردهای MARL
• 92. مسائل اخلاقی و ملاحظات در یادگیری تقویتی
• 93. سوگیری در الگوریتم‌های یادگیری تقویتی
• 94. شفافیت و تفسیرپذیری
• 95. مسئولیت‌پذیری در سیستم‌های خودمختار
• 96. آینده یادگیری تقویتی
• 97. روندهای تحقیقاتی جدید
• 98. چالش‌های باز و فرصت‌ها
• 99. یادگیری تقویتی برای هوش مصنوعی عمومی
• 100. ملاحظات نهایی و جمع‌بندی