سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر یادگیری انتقال برای متخصصین یادگیری تقویتی چندعامله

کتاب مقدمه‌ای بر یادگیری انتقال برای متخصصین یادگیری تقویتی چندعامله

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر یادگیری انتقال برای متخصصین یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری انتقال (Transfer Learning) در MARL

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری انتقال در هوش مصنوعی
  • 2. مفاهیم پایه یادگیری تقویتی
  • 3. عامل‌ها و محیط‌ها در یادگیری تقویتی
  • 4. تابع پاداش و هدف‌گذاری
  • 5. اکتشاف در مقابل بهره‌برداری
  • 6. الگوریتم‌های ارزش‌گذاری azioni
  • 7. روش‌های مبتنی بر سیاست
  • 8. روش‌های ترکیبی ارزش و سیاست
  • 9. یادگیری تقویتی عمیق (Deep RL)
  • 10. شبکه‌های عصبی کانولوشنی (CNN) در RL
  • 11. شبکه‌های عصبی بازگشتی (RNN) در RL
  • 12. الگوریتم‌های Actor-Critic
  • 13. Deep Q-Networks (DQN)
  • 14. Double DQN
  • 15. Dueling DQN
  • 16. Prioritized Experience Replay
  • 17. Rainbow DQN
  • 18. Policy Gradients
  • 19. REINFORCE
  • 20. Actor-Critic متصل
  • 21. Asynchronous Advantage Actor-Critic (A3C)
  • 22. Proximal Policy Optimization (PPO)
  • 23. Trust Region Policy Optimization (TRPO)
  • 24. Multi-Agent Reinforcement Learning (MARL)
  • 25. مدل‌های همکاری در MARL
  • 26. مدل‌های رقابتی در MARL
  • 27. مدل‌های مختلط در MARL
  • 28. بازی‌های مجموع-صفر
  • 29. بازی‌های مجموع-غیرصفر
  • 30. مفاهیم توازن نش
  • 31. یادگیری انتقال (Transfer Learning)
  • 32. مبانی یادگیری انتقال
  • 33. انواع یادگیری انتقال
  • 34. انتقال دانش (Knowledge Transfer)
  • 35. انتقال پارامتر (Parameter Transfer)
  • 36. انتقال نمایش (Representation Transfer)
  • 37. انتقال وظیفه (Task Transfer)
  • 38. یادگیری چندوظیفه‌ای (Multi-Task Learning)
  • 39. یادگیری پیوسته (Continual Learning)
  • 40. یادگیری با کمبود داده (Few-Shot Learning)
  • 41. یادگیری با داده‌های برچسب‌دار کم
  • 42. یادگیری با داده‌های برچسب‌دار ناموجود
  • 43. یادگیری انتقال در یادگیری تقویتی
  • 44. انتقال سیاست (Policy Transfer)
  • 45. انتقال تابع ارزش (Value Function Transfer)
  • 46. انتقال نمایش محیط (Environment Representation Transfer)
  • 47. انتقال دانش بین عامل‌ها
  • 48. انتقال دانش بین وظایف
  • 49. مواجهه با تغییرات محیطی
  • 50. سازگاری عامل‌ها با محیط‌های جدید
  • 51. تکنیک‌های یادگیری انتقال در RL
  • 52. Fine-tuning مدل‌های RL
  • 53. استفاده از دانش از پیش آموخته شده
  • 54. یادگیری مبتنی بر مدل در RL
  • 55. یادگیری بدون مدل در RL
  • 56. محیط‌های شبیه‌سازی شده
  • 57. انتقال از شبیه‌سازی به واقعیت (Sim2Real)
  • 58. چالش‌های Sim2Real
  • 59. روش‌های بهبود Sim2Real
  • 60. یادگیری تقویتی امن و پایدار
  • 61. ملاحظات اخلاقی در RL
  • 62. کاربرد یادگیری انتقال در RL
  • 63. رباتیک و کنترل
  • 64. خودروهای خودران
  • 65. مدیریت منابع
  • 66. سیستم‌های توصیه‌گر
  • 67. مالی و اقتصادی (در چارچوب مقررات)
  • 68. مدیریت زنجیره تأمین
  • 69. بازی‌های هوشمند
  • 70. تحلیل و پیش‌بینی (در چارچوب رسمی)
  • 71. یادگیری تقویتی در رباتیک
  • 72. کنترل حرکت ربات‌ها
  • 73. تعامل ربات با محیط
  • 74. یادگیری تقویتی در خودروهای خودران
  • 75. تصمیم‌گیری در رانندگی
  • 76. تشخیص موانع
  • 77. بهینه‌سازی مسیر
  • 78. یادگیری انتقال در سیستم‌های توصیه‌گر
  • 79. شخصی‌سازی توصیه‌ها
  • 80. توصیه‌های پویا
  • 81. یادگیری تقویتی در مدیریت منابع
  • 82. بهینه‌سازی مصرف انرژی
  • 83. مدیریت ترافیک شبکه
  • 84. یادگیری تقویتی در مالی
  • 85. معاملات الگوریتمی (با رعایت مقررات)
  • 86. مدیریت پرتفوی (با رعایت مقررات)
  • 87. یادگیری انتقال برای عامل‌های چندگانه
  • 88. توسعه عامل‌های هوشمند همکاری‌کننده
  • 89. بهبود عملکرد عامل‌ها در وظایف پیچیده
  • 90. ارزیابی عملکرد مدل‌های یادگیری انتقال
  • 91. معیارهای ارزیابی در RL
  • 92. معیارهای ارزیابی در یادگیری انتقال
  • 93. آزمایش‌های عملی و کاربردی
  • 94. پروژه‌های پیشرفته یادگیری انتقال در RL
  • 95. آینده یادگیری انتقال در RL

📚 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.