فلش‌کارت‌های آموزشی یادگیری تقویتی: آموزش عامل‌ها برای تصمیم‌گیری بهینه

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی: آموزش عامل‌ها برای تصمیم‌گیری بهینه

موضوع کلی: برنامه‌نویسی کامپیوترهای شخصی

موضوع میانی: هوش مصنوعی و یادگیری ماشین در برنامه‌نویسی

📋 سرفصل‌های دوره

• 1. مقدمه ای بر یادگیری تقویتی
• 2. تعریف مسئله یادگیری تقویتی
• 3. عامل و محیط
• 4. حالت، عمل و پاداش
• 5. تابع سیاست
• 6. تابع ارزش
• 7. معادله بلمن
• 8. مدل‌های مسئله تصمیم‌گیری مارکوف (MDP)
• 9. انواع MDP ها
• 10. حل MDP ها: برنامه‌ریزی پویا
• 11. روش های مبتنی بر مدل
• 12. روش های بدون مدل
• 13. یادگیری از طریق تکرار سیاست (Policy Iteration)
• 14. یادگیری از طریق تکرار ارزش (Value Iteration)
• 15. تقریب تابع ارزش
• 16. اهمیت تابع ارزش
• 17. تابع ارزش حالت-عمل
• 18. یادگیری Q
• 19. الگوریتم Q-learning
• 20. آموزش Q-learning
• 21. تجربه بازخورد
• 22. یادگیری آفلاین در مقابل آنلاین
• 23. حداکثرسازی پاداش تجمعی
• 24. اکتشاف در مقابل بهره‌برداری
• 25. معضل اکتشاف-بهره‌برداری
• 26. روش های اکتشاف: اپسیلون-حریصانه (Epsilon-Greedy)
• 27. اکتشاف تصادفی
• 28. اکتشاف بر اساس عدم قطعیت
• 29. یادگیری عمیق و یادگیری تقویتی
• 30. شبکه‌های عصبی عمیق
• 31. یادگیری تقویتی عمیق (DRL)
• 32. شبکه عمیق Q (DQN)
• 33. معماری DQN
• 34. آموزش DQN
• 35. حافظه بازپخش (Replay Memory)
• 36. هدف‌گذاری شبکه (Target Network)
• 37. مشکل ناپایداری در DQN
• 38. بهبودهای DQN
• 39. Double DQN
• 40. Prioritized Experience Replay
• 41. Dueling DQN
• 42. Actor-Critic Methods
• 43. روش های Actor-Critic
• 44. بازیگر (Actor)
• 45. منتقد (Critic)
• 46. آموزش Actor-Critic
• 47. A2C (Advantage Actor-Critic)
• 48. A3C (Asynchronous Advantage Actor-Critic)
• 49. TRPO (Trust Region Policy Optimization)
• 50. PPO (Proximal Policy Optimization)
• 51. مقایسه PPO و TRPO
• 52. یادگیری سیاست گرادیان (Policy Gradient)
• 53. آموزش سیاست گرادیان
• 54. مشکل واریانس بالا در گرادیان سیاست
• 55. کاهش واریانس
• 56. روش های خطی تقریب تابع ارزش
• 57. تابع پایه (Basis Functions)
• 58. تقریب خطی ارزش
• 59. روش های مبتنی بر مدل در مقابل بدون مدل (دوباره)
• 60. مزایای روش های بدون مدل
• 61. معایب روش های بدون مدل
• 62. کاربرد یادگیری تقویتی
• 63. بازی‌های کامپیوتری
• 64. رباتیک
• 65. سیستم‌های توصیه‌گر
• 66. مدیریت منابع
• 67. تنظیم پارامترها
• 68. اتخاذ تصمیمات در زمان واقعی
• 69. یادگیری تقویتی در کنترل
• 70. کنترل بهینه
• 71. کنترل تطبیقی
• 72. ربات‌های متحرک
• 73. ربات‌های انسان‌نما
• 74. پایدارسازی ربات‌ها
• 75. یادگیری تقویتی در بازی‌ها
• 76. آتاری
• 77. شطرنج
• 78. بازی‌های استراتژی
• 79. یادگیری تقویتی در سیستم‌های توصیه‌گر
• 80. توصیه محصولات
• 81. توصیه محتوا
• 82. توصیه موسیقی
• 83. یادگیری تقویتی در مالی
• 84. معاملات الگوریتمی
• 85. مدیریت پورتفولیو
• 86. پیش‌بینی بازار
• 87. یادگیری تقویتی در بهداشت و درمان
• 88. تشخیص بیماری
• 89. تنظیم دوز دارو
• 90. طراحی پروتکل درمانی
• 91. یادگیری تقویتی در آموزش
• 92. شخصی‌سازی یادگیری
• 93. ارزیابی دانش‌آموز
• 94. بهینه‌سازی محتوای آموزشی
• 95. محدودیت‌ها و چالش‌های یادگیری تقویتی
• 96. مقیاس‌پذیری
• 97. تفسیرپذیری
• 98. امنیت
• 99. اعتماد
• 100. پیاده‌سازی در دنیای واقعی