کتاب PyMARL: مقدمه‌ای بر هوش مصنوعی همکار

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 PyMARL: مقدمه‌ای بر هوش مصنوعی همکار

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: PyMARL

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر هوش مصنوعی همکار و PyMARL
  • 2. مفاهیم اساسی هوش مصنوعی همکار
  • 3. چالش های یادگیری تقویتی چند عامله
  • 4. معماری کلی سیستم های هوش مصنوعی همکار
  • 5. نصب و راه اندازی PyMARL
  • 6. اولین گام با PyMARL: محیط های ساده
  • 7. عامل ها و محیط ها در PyMARL
  • 8. برنامه ریزی عامل ها در PyMARL
  • 9. یادگیری عامل ها در PyMARL
  • 10. یادگیری تقویتی تک عامله مروری
  • 11. روش های یادگیری Q-Learning
  • 12. روش های یادگیری Deep Q-Network (DQN)
  • 13. روش های Policy Gradient
  • 14. معرفی الگوریتم های یادگیری تقویتی چند عامله
  • 15. MARL در مقابل Multi-Agent Systems
  • 16. یادگیری متمرکز در مقابل یادگیری غیرمتمرکز
  • 17. انواع رویکردهای یادگیری تقویتی چند عامله
  • 18. یادگیری عامل محور (Agent-Centric Learning)
  • 19. یادگیری مبتنی بر مشاهده مشترک (Shared Observation Learning)
  • 20. یادگیری مبتنی بر عامل های یادگیرنده (Learner Agent Learning)
  • 21. یادگیری مبتنی بر عامل های ناظر (Supervisor Agent Learning)
  • 22. یادگیری مختلط (Mixed Cooperative-Competitive)
  • 23. محیط های شبیه سازی شده برای MARL
  • 24. پیاده سازی محیط های ساده در PyMARL
  • 25. محیط Gridworld برای MARL
  • 26. محیط Cooperative Navigation
  • 27. محیط Cooperative Communication
  • 28. محیط Resource Collection
  • 29. محیط Cooperative Predator-Prey
  • 30. محیط Multi-Agent Traffic Control
  • 31. محیط Multi-Agent Warehouse Management
  • 32. محیط Multi-Agent Soccer
  • 33. محیط Multi-Agent Drone Swarm
  • 34. پیاده سازی عامل های یادگیرنده در PyMARL
  • 35. عامل های مبتنی بر Q-Learning
  • 36. عامل های مبتنی بر DQN
  • 37. عامل های مبتنی بر Policy Gradient
  • 38. عامل های مبتنی بر Actor-Critic
  • 39. عامل های مبتنی بر MADDPG
  • 40. عامل های مبتنی بر QMIX
  • 41. عامل های مبتنی بر VDN
  • 42. عامل های مبتنی بر COMA
  • 43. عامل های مبتنی بر MAPPO
  • 44. پیاده سازی محیط های پیچیده تر با PyMARL
  • 45. محیط های بازی های ساده چند عامله
  • 46. محیط های رباتیک شبیه سازی شده
  • 47. محیط های کنترل ترافیک هوشمند
  • 48. محیط های مدیریت منابع توزیع شده
  • 49. محیط های لجستیک و انبارداری خودکار
  • 50. محیط های همکاری در رباتیک صنعتی
  • 51. محیط های هوشمند شهری
  • 52. محیط های مدیریت انرژی شبکه
  • 53. محیط های بازی های استراتژیک چند نفره
  • 54. محیط های شبیه سازی فجایع و امداد و نجات
  • 55. استفاده از PyMARL برای مسائل واقعی
  • 56. مسائل بهینه سازی در سیستم های چند عامله
  • 57. مسائل تصمیم گیری در شرایط عدم قطعیت
  • 58. مسائل هماهنگی در سیستم های توزیع شده
  • 59. مسائل تخصیص منابع در محیط های پویا
  • 60. مسائل کنترل و هدایت ناوگان رباتیک
  • 61. مسائل پیش بینی و مدیریت ریسک در سیستم های پیچیده
  • 62. مسائل تعامل انسان و عامل هوشمند
  • 63. مسائل بهبود کارایی سیستم های حمل و نقل
  • 64. مسائل ارتقاء امنیت در شبکه های هوشمند
  • 65. مسائل شبیه سازی سناریوهای پیچیده اجتماعی-اقتصادی
  • 66. ارزیابی و سنجش عملکرد در PyMARL
  • 67. معیارهای ارزیابی عامل های همکار
  • 68. معیارهای ارزیابی سیستم های چند عامله
  • 69. روش های مقایسه الگوریتم های MARL
  • 70. تجزیه و تحلیل نتایج آزمایشات PyMARL
  • 71. متریک های کارایی و اثربخشی
  • 72. اعتبار سنجی مدل ها در PyMARL
  • 73. مدیریت داده های آموزشی در MARL
  • 74. تکنیک های یادگیری انتقال (Transfer Learning) در MARL
  • 75. یادگیری تقویتی با پاداش های ضمنی (Intrinsic Rewards)
  • 76. یادگیری تقویتی با نظارت (Supervised MARL)
  • 77. یادگیری تقویتی با یادگیری از مشاهده (Imitation Learning)
  • 78. کاربرد PyMARL در صنعت و پژوهش
  • 79. هوش مصنوعی در مدیریت ناوگان حمل و نقل
  • 80. هوش مصنوعی در رباتیک و اتوماسیون صنعتی
  • 81. هوش مصنوعی در سیستم های توزیع شده و شبکه ای
  • 82. هوش مصنوعی در بهینه سازی فرآیندهای کسب و کار
  • 83. هوش مصنوعی در تحلیل و پیش بینی رفتارهای پیچیده
  • 84. هوش مصنوعی در طراحی بازی های هوشمند
  • 85. هوش مصنوعی در ربات های امدادگر و جستجوگر
  • 86. هوش مصنوعی در سیستم های خودران
  • 87. هوش مصنوعی در مدیریت منابع انرژی
  • 88. هوش مصنوعی در شبیه سازی های علمی و مهندسی
  • 89. مباحث پیشرفته در PyMARL
  • 90. یادگیری تقویتی با عامل های غیرهمکار
  • 91. یادگیری تقویتی با عامل های با محدودیت های ارتباطی
  • 92. یادگیری تقویتی با عامل های با حافظه بلند مدت
  • 93. یادگیری تقویتی با عامل های با قابلیت تعمیم پذیری بالا
  • 94. یادگیری تقویتی با یادگیری از طریق بازی (Learning by Playing)
  • 95. یادگیری تقویتی با یادگیری از طریق تعامل (Learning by Interacting)
  • 96. یادگیری تقویتی با استفاده از شبکه های عصبی گراف (GNNs)
  • 97. یادگیری تقویتی با استفاده از مدل های زبانی (LLMs)
  • 98. ملاحظات اخلاقی و امنیتی در PyMARL
  • 99. ایمنی عامل های هوش مصنوعی همکار
  • 100. قابلیت اطمینان سیستم های چند عامله

📚 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.