فلش‌کارت‌های آموزشی پیاده‌سازی یادگیری تقویتی چندعامله در پلتفرم‌های تبلیغاتی

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب پیاده‌سازی یادگیری تقویتی چندعامله در پلتفرم‌های تبلیغاتی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای استراتژی‌های مدیریت تبلیغات

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مبانی یادگیری تقویتی
• 2. مقدمه ای بر یادگیری تقویتی
• 3. عناصر اصلی یادگیری تقویتی
• 4. مسئله تصمیم گیری مارکوف (MDP)
• 5. حالت، عمل، پاداش، سیاست، تابع ارزش
• 6. الگوریتم های یادگیری تقویتی بدون مدل
• 7. یادگیری Q
• 8. یادگیری Q عمیق (DQN)
• 9. روش های Monte Carlo
• 10. یادگیری Temporal Difference (TD)
• 11. SARSA
• 12. Q-Learning
• 13. الگوریتم های یادگیری تقویتی مبتنی بر مدل
• 14. یادگیری مبتنی بر مدل
• 15. برنامه ریزی با استفاده از مدل
• 16. یادگیری تقویتی چندعامله (MARL)
• 17. مقدمه ای بر MARL
• 18. چالش های MARL
• 19. هماهنگی و رقابت عامل ها
• 20. فضاهای حالت و عمل مشترک
• 21. انواع محیط های MARL
• 22. بازی های همزمان و غیرهمزمان
• 23. بازی های با مجموع صفر و مجموع غیرصفر
• 24. محیط های با اطلاعات کامل و ناقص
• 25. شناسایی عامل ها
• 26. محیط های از پیش تعریف شده در مقابل محیط های پویا
• 27. مبانی یادگیری ماشین
• 28. مقدمه ای بر یادگیری ماشین
• 29. یادگیری نظارت شده، بدون نظارت و تقویتی
• 30. شبکه های عصبی
• 31. شبکه های عصبی پیچشی (CNN)
• 32. شبکه های عصبی بازگشتی (RNN)
• 33. شبکه های عصبی کوتاه مدت بلند (LSTM)
• 34. یادگیری عمیق
• 35. مقدمه ای بر یادگیری عمیق
• 36. معماری های شبکه های عصبی عمیق
• 37. بهینه سازی و تنظیم ابرپارامترها
• 38. مبانی پلتفرم های تبلیغاتی
• 39. مقدمه ای بر پلتفرم های تبلیغاتی
• 40. انواع پلتفرم های تبلیغاتی (جستجو، نمایشی، رسانه های اجتماعی)
• 41. اصول عملکرد پلتفرم های تبلیغاتی
• 42. سیستم های پیشنهاد دهنده در تبلیغات
• 43. مزایده های تبلیغاتی
• 44. معیارهای کلیدی عملکرد (KPI) در تبلیغات
• 45. نرخ کلیک (CTR)
• 46. نرخ تبدیل (CR)
• 47. هزینه هر کلیک (CPC)
• 48. هزینه هر هزار نمایش (CPM)
• 49. بازگشت سرمایه تبلیغاتی (ROAS)
• 50. ارزش طول عمر مشتری (CLV)
• 51. شخصی سازی تبلیغات
• 52. هدف گذاری مخاطب
• 53. شخصی سازی پویا
• 54. تطبیق تبلیغات با کاربران
• 55. بهینه سازی مداوم تبلیغات
• 56. مفاهیم کلیدی در پیاده سازی MARL در پلتفرم های تبلیغاتی
• 57. تعریف عامل ها در پلتفرم تبلیغاتی
• 58. عامل های بودجه، عامل های پیشنهاد دهنده، عامل های هدف گذاری
• 59. تعریف فضای حالت برای عامل ها
• 60. ویژگی های کاربر، ویژگی های تبلیغ، ویژگی های کمپین
• 61. تعریف فضای عمل برای عامل ها
• 62. تخصیص بودجه، انتخاب تبلیغ، تنظیم پارامترهای هدف گذاری
• 63. تعریف تابع پاداش برای عامل ها
• 64. بهینه سازی KPI های تبلیغاتی
• 65. پاداش های مثبت و منفی
• 66. طراحی تابع پاداش برای هماهنگی
• 67. مدل سازی محیط پلتفرم تبلیغاتی
• 68. شبیه سازی محیط پلتفرم تبلیغاتی
• 69. واقع گرایی شبیه سازی
• 70. مدیریت حالت های پویا در محیط
• 71. مواجهه با عدم قطعیت در رفتار کاربر
• 72. مواجهه با رقابت سایر عامل ها
• 73. الگوریتم های MARL مناسب برای پلتفرم های تبلیغاتی
• 74. مقدمه ای بر الگوریتم های MARL
• 75. اتحاد عامل ها (MADDPG)
• 76. یادگیری عامل های مشترک (COMA)
• 77. یادگیری سیاست توزیع شده (DDPG)
• 78. یادگیری سیاست های مبتنی بر تقاطع (IPPO)
• 79. یادگیری سیاست های مبتنی بر عامل های مستقل (IQL)
• 80. استفاده از Q-Learning در MARL
• 81. استفاده از DQN در MARL
• 82. استفاده از Actor-Critic در MARL
• 83. انتخاب الگوریتم MARL مناسب بر اساس ویژگی های مسئله
• 84. بهینه سازی بودجه تبلیغاتی با MARL
• 85. تخصیص بهینه بودجه بین کانال ها و کمپین ها
• 86. بهینه سازی هزینه هر کلیک (CPC)
• 87. بهینه سازی هزینه هر هزار نمایش (CPM)
• 88. مدیریت بهینه بودجه برای حداکثر کردن ROAS
• 89. تخصیص پویا و بلادرنگ بودجه
• 90. بهینه سازی پیشنهاد دهی تبلیغاتی با MARL
• 91. بهینه سازی پیشنهاد قیمت در مزایده های تبلیغاتی
• 92. بهینه سازی پیشنهاد برای حداکثر کردن CTR
• 93. بهینه سازی پیشنهاد برای حداکثر کردن CR
• 94. تطبیق پیشنهاد با ارزش طول عمر مشتری (CLV)
• 95. بهینه سازی پیشنهاد در شرایط رقابتی
• 96. بهینه سازی هدف گذاری مخاطب با MARL
• 97. شناسایی و هدف گذاری دقیق تر مخاطبان
• 98. بهینه سازی نرخ تبدیل از طریق هدف گذاری بهتر
• 99. تطبیق هدف گذاری با رفتار در حال تغییر کاربر
• 100. مدیریت گروه های مخاطب پویا