سپنتا کتاب اکسپرس
کتاب مطالعه نظری الگوریتم‌های یادگیری عامل‌ها

کتاب مطالعه نظری الگوریتم‌های یادگیری عامل‌ها

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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 مطالعه نظری الگوریتم‌های یادگیری عامل‌ها

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: جنبه‌های نظری MARL

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر یادگیری عامل ها
  • 2. مفاهیم پایه عامل ها
  • 3. انواع عامل ها
  • 4. محیط های عامل ها
  • 5. انواع محیط ها
  • 6. مدل های عامل ها
  • 7. مفهوم یادگیری
  • 8. انواع یادگیری
  • 9. یادگیری نظارت شده
  • 10. یادگیری بدون نظارت
  • 11. یادگیری تقویتی
  • 12. یادگیری عامل ها
  • 13. چالش های یادگیری عامل ها
  • 14. مفاهیم کلیدی در یادگیری عامل ها
  • 15. تابع پاداش
  • 16. تابع ارزش
  • 17. سیاست
  • 18. مدل محیط
  • 19. الگوریتم های یادگیری عامل ها
  • 20. یادگیری ارزش
  • 21. یادگیری سیاست
  • 22. یادگیری مدل
  • 23. یادگیری مبتنی بر جستجو
  • 24. یادگیری مبتنی بر شبیه سازی
  • 25. یادگیری مبتنی بر یادگیری عمیق
  • 26. الگوریتم های یادگیری ارزش
  • 27. Q-Learning
  • 28. SARSA
  • 29. Deep Q-Networks (DQN)
  • 30. Double DQN
  • 31. Dueling DQN
  • 32. Prioritized Experience Replay
  • 33. Noisy Nets
  • 34. Rainbow DQN
  • 35. الگوریتم های یادگیری سیاست
  • 36. Policy Gradient Methods
  • 37. REINFORCE
  • 38. Actor-Critic Methods
  • 39. DDPG
  • 40. Proximal Policy Optimization (PPO)
  • 41. TRPO
  • 42. الگوریتم های یادگیری مدل
  • 43. Model-Based Reinforcement Learning
  • 44. Dyna-Q
  • 45. Monte Carlo Tree Search (MCTS)
  • 46. AlphaGo
  • 47. AlphaZero
  • 48. الگوریتم های یادگیری ترکیبی
  • 49. Deep Deterministic Policy Gradient (DDPG)
  • 50. Soft Actor-Critic (SAC)
  • 51. Proximal Policy Optimization (PPO)
  • 52. Trust Region Policy Optimization (TRPO)
  • 53. الگوریتم های یادگیری عامل های چندگانه
  • 54. Multi-Agent Reinforcement Learning (MARL)
  • 55. Cooperative MARL
  • 56. Competitive MARL
  • 57. Mixed MARL
  • 58. Independent Q-Learning (IQL)
  • 59. Centralized Training Decentralized Execution (CTDE)
  • 60. MADDPG
  • 61. QMIX
  • 62. COMA
  • 63. الگوریتم های یادگیری عامل ها در محیط های پیچیده
  • 64. تعمیم در یادگیری عامل ها
  • 65. انتقال یادگیری
  • 66. یادگیری با داده های محدود
  • 67. یادگیری با محیط های پویا
  • 68. یادگیری عامل ها با حسگرهای مختلف
  • 69. یادگیری عامل ها با ابهام
  • 70. یادگیری عامل ها با عدم قطعیت
  • 71. کاربردهای یادگیری عامل ها
  • 72. رباتیک
  • 73. بازی ها
  • 74. سیستم های توصیه گر
  • 75. مالی
  • 76. شبکه های هوشمند
  • 77. مدیریت ترافیک
  • 78. مراقبت های بهداشتی
  • 79. سیستم های خودران
  • 80. مباحث پیشرفته در یادگیری عامل ها
  • 81. یادگیری با پاداش پراکنده
  • 82. یادگیری با پاداش منفی
  • 83. یادگیری با اهداف چندگانه
  • 84. یادگیری با محدودیت ها
  • 85. یادگیری عامل ها و اخلاق
  • 86. تفسیرپذیری در یادگیری عامل ها
  • 87. امنیت در یادگیری عامل ها
  • 88. اعتبار سنجی و ارزیابی الگوریتم های یادگیری عامل ها
  • 89. معیارهای ارزیابی
  • 90. شبیه سازی ها
  • 91. آزمایش های واقعی
  • 92. چالش های پیاده سازی
  • 93. ابزارها و کتابخانه های یادگیری عامل ها
  • 94. TensorFlow Agents
  • 95. PyTorch RL
  • 96. Ray RLlib
  • 97. OpenAI Baselines
  • 98. Gymnasium
  • 99. DeepMind Lab
  • 100. Unity ML-Agents

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.