سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر یادگیری تقویتی تک عامله برای محققان MARL

کتاب مقدمه‌ای بر یادگیری تقویتی تک عامله برای محققان MARL

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 مقدمه‌ای بر یادگیری تقویتی تک عامله برای محققان MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی تک عامله

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر یادگیری تقویتی تک عامله
  • 2. تعریف یادگیری تقویتی
  • 3. عناصر کلیدی یادگیری تقویتی: عامل، محیط، حالت، عمل، پاداش
  • 4. هدف عامل: حداکثر کردن پاداش تجمعی
  • 5. مسئله اکتشاف در مقابل بهره‌برداری
  • 6. فرآیندهای تصمیم‌گیری مارکوف (MDP)
  • 7. تعریف MDP
  • 8. حالت‌ها، اعمال، توابع انتقال، توابع پاداش
  • 9. هدف در MDP: یافتن سیاست بهینه
  • 10. انواع مسائل یادگیری تقویتی
  • 11. مسائل مبتنی بر ارزش (Value-based)
  • 12. مسائل مبتنی بر سیاست (Policy-based)
  • 13. مسائل ترکیبی (Actor-Critic)
  • 14. روش‌های مبتنی بر ارزش
  • 15. تابع ارزش حالت (V-function)
  • 16. تابع ارزش عمل-حالت (Q-function)
  • 17. معادله بلمن
  • 18. معادله بلمن برای V-function
  • 19. معادله بلمن برای Q-function
  • 20. به‌روزرسانی‌های ارزش
  • 21. یادگیری Q-learning
  • 22. الگوریتم Q-learning
  • 23. مزایا و معایب Q-learning
  • 24. یادگیری SARSA
  • 25. الگوریتم SARSA
  • 26. مقایسه Q-learning و SARSA
  • 27. روش‌های مبتنی بر سیاست
  • 28. تابع سیاست (Policy function)
  • 29. سیاست‌های قطعی و احتمالی
  • 30. گرادیان سیاست (Policy Gradient)
  • 31. قضیه گرادیان سیاست
  • 32. الگوریتم REINFORCE
  • 33. مزایا و معایب روش‌های مبتنی بر سیاست
  • 34. روش‌های ترکیبی (Actor-Critic)
  • 35. ساختار Actor-Critic
  • 36. نقش Actor (عامل)
  • 37. نقش Critic (منتقد)
  • 38. الگوریتم‌های Actor-Critic
  • 39. A2C (Advantage Actor-Critic)
  • 40. A3C (Asynchronous Advantage Actor-Critic)
  • 41. مزایا و معایب روش‌های Actor-Critic
  • 42. یادگیری عمیق در یادگیری تقویتی
  • 43. شبکه‌های عصبی عمیق
  • 44. استفاده از شبکه‌های عصبی برای تقریب تابع ارزش یا سیاست
  • 45. Deep Q-Networks (DQN)
  • 46. معماری DQN
  • 47. تجربه تکرار (Experience Replay)
  • 48. شبکه‌های هدف (Target Networks)
  • 49. الگوریتم DQN
  • 50. مزایا و معایب DQN
  • 51. Double DQN
  • 52. Dueling DQN
  • 53. Prioritized Experience Replay
  • 54. روش‌های مبتنی بر سیاست عمیق
  • 55. Policy Gradient با شبکه‌های عصبی
  • 56. Trust Region Policy Optimization (TRPO)
  • 57. Proximal Policy Optimization (PPO)
  • 58. مزایا و معایب PPO
  • 59. یادگیری تقویتی مدل‌محور
  • 60. یادگیری مدل محیط
  • 61. برنامه‌ریزی با مدل آموخته شده
  • 62. Model-Based RL در مقابل Model-Free RL
  • 63. مزایا و معایب یادگیری مدل‌محور
  • 64. کاربردها و چالش‌های یادگیری تقویتی تک عامله
  • 65. کاربردهای رایج
  • 66. رباتیک
  • 67. بازی‌ها
  • 68. سیستم‌های توصیه‌گر
  • 69. مدیریت منابع
  • 70. چالش‌های رایج
  • 71. فضاهای حالت و عمل بزرگ
  • 72. پاداش‌های پراکنده (Sparse Rewards)
  • 73. ناپایداری آموزش
  • 74. نیاز به داده زیاد
  • 75. تعمیم‌پذیری
  • 76. ارزیابی عملکرد
  • 77. معیارهای ارزیابی
  • 78. مقایسه با روش‌های دیگر
  • 79. نکات عملی برای پیاده‌سازی
  • 80. انتخاب الگوریتم مناسب
  • 81. تنظیم ابرپارامترها
  • 82. استفاده از کتابخانه‌های رایج (OpenAI Gym, Stable Baselines3)
  • 83. مقدمه‌ای بر یادگیری تقویتی چند عامله (MARL)
  • 84. تعریف MARL
  • 85. تفاوت MARL با RL تک عامله
  • 86. عناصر کلیدی MARL: عوامل متعدد، محیط مشترک، تعاملات
  • 87. انواع مسائل MARL
  • 88. همکارانه (Cooperative)
  • 89. رقابتی (Competitive)
  • 90. مختلط (Mixed)
  • 91. چالش‌های خاص MARL
  • 92. عدم ایستایی محیط (Non-stationarity)
  • 93. مشکل مشاهده‌پذیری (Partial Observability)
  • 94. مشکل هماهنگی
  • 95. مشکل مقیاس‌پذیری
  • 96. مقدمه‌ای بر الگوریتم‌های MARL
  • 97. روش‌های مبتنی بر ارزش در MARL
  • 98. Q-learning توزیع شده
  • 99. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
  • 100. روش‌های مبتنی بر سیاست در 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.