,

کتاب پیاده‌سازی عملی یادگیری تقویتی چندعامله با استفاده از ابزارهای مدرن

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 عملی یادگیری تقویتی چندعامله با استفاده از ابزارهای مدرن

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله (MARL)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر یادگیری تقویتی چندعامله (MARL)
  • 2. مفاهیم اساسی یادگیری تقویتی
  • 3. عامل، محیط، وضعیت، عمل، پاداش
  • 4. تابع ارزش، تابع سیاست
  • 5. الگوریتم های یادگیری تقویتی تک عامله
  • 6. Q-Learning
  • 7. SARSA
  • 8. Deep Q-Networks (DQN)
  • 9. Policy Gradients
  • 10. Actor-Critic Methods
  • 11. مقدمه ای بر یادگیری تقویتی چندعامله (MARL)
  • 12. تفاوت های MARL با یادگیری تقویتی تک عامله
  • 13. چالش های MARL
  • 14. غیر ایستا بودن محیط
  • 15. تغییر سیاست سایر عامل ها
  • 16. مشاهده پذیری محدود
  • 17. مقیاس پذیری
  • 18. همکاری و رقابت بین عامل ها
  • 19. انواع سناریوهای MARL
  • 20. همکاری کامل
  • 21. رقابت کامل
  • 22. مختلط (همکاری و رقابت)
  • 23. مفاهیم کلیدی در MARL
  • 24. تابع ارزش مشترک
  • 25. تابع سیاست مشترک
  • 26. تابع سیاست جداگانه
  • 27. تابع ارزش جداگانه
  • 28. مدل های عامل ها (Agent Models)
  • 29. مدل های متقابل (Mutual Models)
  • 30. مدل های بازی (Game Theoretic Models)
  • 31. مدل های مرکزی (Centralized Models)
  • 32. مدل های توزیع شده (Decentralized Models)
  • 33. مدل های توزیع شده با ارتباطات (Decentralized with Communication)
  • 34. مدل های متمرکز-منفعل (Centralized-Training with Decentralized-Execution – CTDE)
  • 35. ابزارهای مدرن برای پیاده سازی MARL
  • 36. زبان های برنامه نویسی
  • 37. Python
  • 38. کتابخانه ها و فریم ورک ها
  • 39. TensorFlow
  • 40. PyTorch
  • 41. Ray RLlib
  • 42. OpenAI Gym / Gymnasium
  • 43. PettingZoo
  • 44. Multi-Agent Particle Environment (MPE)
  • 45. Unity ML-Agents
  • 46. DeepMind Lab
  • 47. MetaWorld
  • 48. SMAC (StarCraft Multi-Agent Challenge)
  • 49. پلتفرم های شبیه سازی
  • 50. OpenAI Gym / Gymnasium
  • 51. PettingZoo
  • 52. Unity ML-Agents
  • 53. DeepMind Lab
  • 54. MetaWorld
  • 55. SMAC
  • 56. شبیه سازهای خاص دامنه
  • 57. RoboSchool
  • 58. MuJoCo
  • 59. PyBullet
  • 60. تکنیک های پیاده سازی MARL
  • 61. آماده سازی محیط MARL
  • 62. نصب و پیکربندی ابزارهای لازم
  • 63. تعریف محیط های MARL سفارشی
  • 64. تنظیم پارامترهای محیط
  • 65. تعریف عامل ها
  • 66. طراحی معماری شبکه های عصبی برای عامل ها
  • 67. شبکه های CNN برای داده های تصویری
  • 68. شبکه های RNN/LSTM برای داده های ترتیبی
  • 69. شبکه های MLP برای داده های معمولی
  • 70. استفاده از معماری های مشترک یا جداگانه
  • 71. پیاده سازی الگوریتم های MARL
  • 72. پیاده سازی الگوریتم های پایه (QMIX, VDN, MADDPG)
  • 73. پیاده سازی الگوریتم های پیشرفته تر
  • 74. استفاده از کتابخانه های آماده RLlib، PettingZoo
  • 75. تنظیم هایپرپارامترها
  • 76. آموزش عامل ها
  • 77. مدیریت فرایند آموزش
  • 78. نظارت بر پیشرفت آموزش
  • 79. ذخیره و بارگذاری مدل های آموزش دیده
  • 80. ارزیابی عامل ها
  • 81. تعریف معیارهای ارزیابی
  • 82. اجرای سناریوهای ارزیابی
  • 83. تحلیل نتایج ارزیابی
  • 84. مقایسه با Baseline ها
  • 85. کاربردها و سناریوهای عملی MARL
  • 86. رباتیک
  • 87. کنترل ترافیک
  • 88. سیستم های توصیه گر
  • 89. بازی ها (استراتژیک، تیمی)
  • 90. مدیریت منابع
  • 91. سیستم های خودمختار
  • 92. شبکه های ارتباطی
  • 93. بازارهای مالی
  • 94. انواع پیاده سازی های پیشرفته
  • 95. یادگیری تقویتی چندعامله با ارتباطات (MARL with Communication)
  • 96. یادگیری تقویتی چندعامله با مشاهده پذیری محدود (Partially Observable MARL)
  • 97. یادگیری تقویتی چندعامله با یادگیری مدل (Model-Based MARL)
  • 98. یادگیری تقویتی چندعامله با یادگیری انتقال (Transfer Learning in MARL)
  • 99. یادگیری تقویتی چندعامله با یادگیری اتحاد (Cooperative MARL)
  • 100. یادگیری تقویتی چندعامله با یادگیری رقابتی (Competitive MARL)

📚 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 عملی یادگیری تقویتی چندعامله با استفاده از ابزارهای مدرن”

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

پیمایش به بالا