فلش‌کارت‌های آموزشی مبانی یادگیری تقویتی و بهینه‌سازی در سیستم‌های هوشمند

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی یادگیری تقویتی و بهینه‌سازی در سیستم‌های هوشمند

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری تقویتی و سیستم‌های چند عامله

📋 سرفصل‌های دوره

• 1. مبانی ریاضیات هوش مصنوعی
• 2. مقدمه‌ای بر یادگیری ماشین
• 3. یادگیری نظارت شده
• 4. یادگیری بدون نظارت
• 5. یادگیری تقویتی: مقدمه
• 6. مفاهیم کلیدی در یادگیری تقویتی
• 7. محیط و عامل
• 8. حالت، عمل و پاداش
• 9. فرایند تصمیم‌گیری مارکوف (MDP)
• 10. ماتریس انتقال حالت
• 11. تابع پاداش
• 12. تابع ارزش حالت
• 13. تابع ارزش عمل
• 14. اپتیمالیتی در MDP
• 15. معادلات بلمن
• 16. تخمین تابع ارزش
• 17. تخمین تابع عمل-ارزش
• 18. سیاست‌ها و بهینه‌سازی سیاست
• 19. جستجوی سیاست
• 20. روش‌های گرادیان سیاست
• 21. روش‌های مبتنی بر ارزش
• 22. یادگیری Q
• 23. یادگیری Q عمیق (DQN)
• 24. پیاده‌سازی DQN
• 25. معماری شبکه‌های عصبی در DQN
• 26. حافظه تجربی
• 27. هدف‌گذاری در DQN
• 28. جلوگیری از ناپایداری در DQN
• 29. یادگیری تقویتی بدون مدل
• 30. یادگیری تقویتی با مدل
• 31. روش‌های مدل‌دار
• 32. روش‌های بدون مدل
• 33. یادگیری آفلاین
• 34. یادگیری آنلاین
• 35. یادگیری فاکتو
• 36. یادگیری غیرفاکتو
• 37. کشف عمل
• 38. کشف حالت
• 39. یادگیری با پاداش پراکنده
• 40. یادگیری با پاداش منفی
• 41. یادگیری سلسله مراتبی
• 42. یادگیری عامل-محیط
• 43. یادگیری با چند عامل (MARL)
• 44. مقدمه‌ای بر سیستم‌های چند عامله
• 45. مفاهیم کلیدی در MARL
• 46. تعامل عامل‌ها
• 47. هماهنگی عامل‌ها
• 48. رقابت عامل‌ها
• 49. همکاری عامل‌ها
• 50. بازی‌های جمعی
• 51. تعادل نش
• 52. بازی‌های صفر و یک
• 53. بازی‌های غیرصفر و یک
• 54. مفاهیم نظریه بازی‌ها در MARL
• 55. حالت مشترک و عمل مشترک
• 56. حالت مشترک و عمل منفرد
• 57. حالت منفرد و عمل مشترک
• 58. حالت منفرد و عمل منفرد
• 59. چالش‌های MARL
• 60. پیچیدگی محاسباتی در MARL
• 61. عدم قطعیت در MARL
• 62. دینامیک محیط در MARL
• 63. مدل‌سازی رفتار عامل‌ها
• 64. یادگیری عامل محور (Agent-centric learning)
• 65. یادگیری مبتنی بر مشاهده (Observation-based learning)
• 66. یادگیری مبتنی بر ادراک (Perception-based learning)
• 67. سیستم‌های عامل‌های هوشمند
• 68. طراحی عامل‌های هوشمند
• 69. پیاده‌سازی عامل‌های هوشمند
• 70. ارزیابی عامل‌های هوشمند
• 71. کاربردهای یادگیری تقویتی
• 72. کاربردها در رباتیک
• 73. کاربردها در بازی‌ها
• 74. کاربردها در سیستم‌های توصیه‌گر
• 75. کاربردها در مالی
• 76. کاربردها در بهینه‌سازی منابع
• 77. کاربردها در مدیریت انرژی
• 78. کاربردها در سلامت
• 79. کاربردها در حمل و نقل هوشمند
• 80. کاربردهای سیستم‌های چند عامله
• 81. کاربردها در شبکه‌های ارتباطی
• 82. کاربردها در مدیریت ترافیک
• 83. کاربردها در اقتصاد خرد
• 84. کاربردها در بازارهای خودکار
• 85. کاربردها در مدل‌سازی اجتماعی
• 86. کاربردها در رباتیک گروهی
• 87. کاربردهای پیشرفته در یادگیری تقویتی
• 88. یادگیری تقویتی عمیق پیشرفته
• 89. یادگیری تقویتی چند عامله پیشرفته
• 90. بهینه‌سازی در سیستم‌های هوشمند
• 91. نقش هوش مصنوعی در بهینه‌سازی
• 92. مقدمه بر بهینه‌سازی
• 93. روش‌های ابتکاری و فراابتکاری
• 94. الگوریتم‌های ژنتیک
• 95. بهینه‌سازی کلونی مورچگان
• 96. بهینه‌سازی ازدحام ذرات
• 97. الگوریتم‌های جستجوی محلی
• 98. بهینه‌سازی مبتنی بر شیب (Gradient-based optimization)
• 99. بهینه‌سازی بدون شیب (Gradient-free optimization)
• 100. بهینه‌سازی چند هدفه