, ,

کتاب پیاده‌سازی الگوریتم‌های کلیدی MARL با PyMARL: یک رویکرد کاربردی

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب پیاده‌سازی الگوریتم‌های کلیدی MARL با PyMARL: یک رویکرد کاربردی

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: PyMARL

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه به یادگیری تقویتی چند عامله
  • 2. مبانی یادگیری تقویتی
  • 3. مفاهیم کلیدی: عامل، محیط، حالت، عمل، پاداش، سیاست، تابع ارزش
  • 4. تفاوت بین یادگیری تقویتی تک عامله و چند عامله
  • 5. چالش‌های یادگیری تقویتی چند عامله
  • 6. عدم ایستایی محیط
  • 7. نیاز به هماهنگی و رقابت
  • 8. مقیاس‌پذیری
  • 9. پیچیدگی فضاهای حالت و عمل
  • 10. معرفی PyMARL
  • 11. چرا PyMARL؟
  • 12. مزایای استفاده از PyMARL
  • 13. نصب و راه‌اندازی PyMARL
  • 14. پیش‌نیازها
  • 15. نصب PyMARL
  • 16. بررسی نصب
  • 17. ساختار کلی PyMARL
  • 18. اجزای اصلی PyMARL
  • 19. ماژول‌ها و کلاس‌های کلیدی
  • 20. مقدمه به محیط‌های MARL
  • 21. محیط‌های استاندارد در PyMARL (StarCraft II, SMAC, …)
  • 22. ساخت محیط‌های سفارشی
  • 23. تعریف عامل‌ها و تعاملات آن‌ها
  • 24. مقدمه به الگوریتم‌های کلیدی MARL
  • 25. دسته‌بندی الگوریتم‌های MARL
  • 26. الگوریتم‌های مبتنی بر ارزش
  • 27. الگوریتم‌های مبتنی بر سیاست
  • 28. الگوریتم‌های ترکیبی
  • 29. پیاده‌سازی DQN در MARL (VDN)
  • 30. مقدمه به VDN
  • 31. ساختار VDN
  • 32. پیاده‌سازی VDN در PyMARL
  • 33. تنظیم پارامترهای VDN
  • 34. آموزش و ارزیابی VDN
  • 35. پیاده‌سازی QMIX
  • 36. مقدمه به QMIX
  • 37. معماری QMIX
  • 38. تابع ترکیب QMIX
  • 39. پیاده‌سازی QMIX در PyMARL
  • 40. تنظیم پارامترهای QMIX
  • 41. آموزش و ارزیابی QMIX
  • 42. پیاده‌سازی COMA
  • 43. مقدمه به COMA
  • 44. نقد COMA
  • 45. معماری COMA
  • 46. تابع منتقد COMA
  • 47. پیاده‌سازی COMA در PyMARL
  • 48. تنظیم پارامترهای COMA
  • 49. آموزش و ارزیابی COMA
  • 50. پیاده‌سازی MADDPG
  • 51. مقدمه به MADDPG
  • 52. معماری MADDPG
  • 53. نقش منتقد و عامل در MADDPG
  • 54. پیاده‌سازی MADDPG در PyMARL
  • 55. تنظیم پارامترهای MADDPG
  • 56. آموزش و ارزیابی MADDPG
  • 57. پیاده‌سازی MAPPO
  • 58. مقدمه به MAPPO
  • 59. معماری MAPPO
  • 60. تفاوت MAPPO با PPO
  • 61. پیاده‌سازی MAPPO در PyMARL
  • 62. تنظیم پارامترهای MAPPO
  • 63. آموزش و ارزیابی MAPPO
  • 64. پیاده‌سازی سایر الگوریتم‌های کلیدی
  • 65. معرفی الگوریتم‌های دیگر (مانند IQL, QTRAN, …)
  • 66. پیاده‌سازی یک الگوریتم جدید در PyMARL
  • 67. مراحل پیاده‌سازی یک الگوریتم جدید
  • 68. مدیریت داده‌ها در PyMARL
  • 69. جمع‌آوری داده‌ها
  • 70. ذخیره‌سازی داده‌ها
  • 71. نمونه‌برداری از داده‌ها
  • 72. تجزیه و تحلیل نتایج
  • 73. مصورسازی نتایج
  • 74. معیارهای ارزیابی در MARL
  • 75. مقایسه الگوریتم‌ها
  • 76. تنظیمات پیشرفته و نکات بهینه‌سازی
  • 77. تنظیمات هایپرپارامترها
  • 78. جستجوی هایپرپارامتر
  • 79. تکنیک‌های منظم‌سازی
  • 80. استفاده از GPU
  • 81. موازی‌سازی آموزش
  • 82. کاربرد PyMARL در مسائل واقعی
  • 83. مثال‌های کاربردی (رباتیک، بازی‌ها، شبکه‌ها، …)
  • 84. توسعه پروژه‌های MARL با PyMARL
  • 85. ساخت یک پروژه MARL سفارشی
  • 86. تلفیق PyMARL با کتابخانه‌های دیگر
  • 87. مقدمه‌ای بر یادگیری عمیق در MARL
  • 88. شبکه‌های عصبی کانولوشنال (CNN)
  • 89. شبکه‌های عصبی بازگشتی (RNN)
  • 90. کاربرد CNN و RNN در PyMARL
  • 91. مقدمه‌ای بر یادگیری تقویتی توزیع‌شده
  • 92. معماری‌های توزیع‌شده
  • 93. مزایای یادگیری توزیع‌شده
  • 94. چالش‌های یادگیری توزیع‌شده
  • 95. استفاده از PyMARL در سناریوهای توزیع‌شده
  • 96. مقدمه‌ای بر یادگیری تقویتی با ارتباطات
  • 97. انواع ارتباطات بین عامل‌ها
  • 98. تکنیک‌های یادگیری تقویتی با ارتباطات
  • 99. پیاده‌سازی ارتباطات در PyMARL
  • 100. مقدمه‌ای بر یادگیری تقویتی با عدم قطعیت

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب پیاده‌سازی الگوریتم‌های کلیدی MARL با PyMARL: یک رویکرد کاربردی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا