سپنتا کتاب اکسپرس
کتاب مدل‌سازی مسائل با Q-Learning

کتاب مدل‌سازی مسائل با Q-Learning

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 مدل‌سازی مسائل با Q-Learning

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: Q-Learning

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی
  • 2. مبانی یادگیری تقویتی
  • 3. عناصر اصلی یادگیری تقویتی
  • 4. فضای حالت و فضای عمل
  • 5. پاداش و تابع ارزش
  • 6. سیاست‌ها در یادگیری تقویتی
  • 7. مدل‌های محیط
  • 8. یادگیری مبتنی بر مدل
  • 9. یادگیری بدون مدل
  • 10. الگوریتم‌های مبتنی بر ارزش
  • 11. الگوریتم‌های مبتنی بر سیاست
  • 12. یادگیری Q
  • 13. مبانی Q-Learning
  • 14. تابع Q
  • 15. جدول Q
  • 16. به‌روزرسانی جدول Q
  • 17. نرخ یادگیری (آلفا)
  • 18. ضریب تنزیل (گاما)
  • 19. اکتشاف در مقابل بهره‌برداری
  • 20. اپسیلون-حریصانه (Epsilon-Greedy)
  • 21. سایر استراتژی‌های اکتشاف
  • 22. پیاده‌سازی Q-Learning
  • 23. مثال ساده Q-Learning
  • 24. حل مسئله مسیریابی
  • 25. حل مسئله انبارداری
  • 26. حل مسئله بازی ساده
  • 27. Q-Learning با فضای حالت گسسته
  • 28. Q-Learning با فضای حالت پیوسته
  • 29. تقریب تابع ارزش
  • 30. شبکه‌های عصبی عمیق
  • 31. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 32. Deep Q-Networks (DQN)
  • 33. معماری DQN
  • 34. تجربه بازپخش (Experience Replay)
  • 35. هدف شبکه (Target Network)
  • 36. بهبودهای DQN
  • 37. Double DQN
  • 38. Dueling DQN
  • 39. Prioritized Experience Replay
  • 40. Rainbow DQN
  • 41. الگوریتم‌های مبتنی بر سیاست گرادیان
  • 42. سیاست گرادیان
  • 43. Actor-Critic
  • 44. A2C (Advantage Actor-Critic)
  • 45. A3C (Asynchronous Advantage Actor-Critic)
  • 46. PPO (Proximal Policy Optimization)
  • 47. TRPO (Trust Region Policy Optimization)
  • 48. الگوریتم‌های مبتنی بر مدل
  • 49. Dyna-Q
  • 50. Model-Based Reinforcement Learning
  • 51. یادگیری مدل محیط
  • 52. برنامه‌ریزی با مدل آموخته شده
  • 53. کاربردها در صنعت
  • 54. کاربردها در رباتیک
  • 55. کاربردها در بازی‌ها
  • 56. کاربردها در امور مالی (با رعایت چارچوب شرعی و مقررات)
  • 57. کاربردها در پزشکی (با رعایت چارچوب شرعی و مقررات)
  • 58. کاربردها در مدیریت منابع
  • 59. کاربردها در بهینه‌سازی سیستم‌ها
  • 60. چالش‌های Q-Learning
  • 61. ابعاد بالای فضای حالت
  • 62. فضای عمل بزرگ
  • 63. ناپایداری یادگیری
  • 64. مشکلات در محیط‌های پویا
  • 65. مسائل ایمنی در یادگیری تقویتی
  • 66. مسائل اخلاقی در یادگیری تقویتی
  • 67. ملاحظات شرعی در کاربردها
  • 68. قوانین و مقررات مربوط به هوش مصنوعی
  • 69. استانداردهای داده در یادگیری تقویتی
  • 70. برنامه‌نویسی عامل‌های هوشمند
  • 71. ابزارهای یادگیری تقویتی
  • 72. کتابخانه‌های پایتون برای RL
  • 73. OpenAI Gym
  • 74. Stable Baselines3
  • 75. Ray RLlib
  • 76. TensorFlow Agents
  • 77. PyTorch RL
  • 78. مفاهیم پیشرفته‌تر
  • 79. یادگیری تقویتی چند عاملی (Multi-Agent RL)
  • 80. هماهنگی در RL چند عاملی
  • 81. رقابت در RL چند عاملی
  • 82. یادگیری تقویتی با پاداش پراکنده
  • 83. یادگیری از طریق تقلید (Imitation Learning)
  • 84. یادگیری انتقالی (Transfer Learning) در RL
  • 85. یادگیری تقویتی برای بهینه‌سازی
  • 86. یادگیری تقویتی برای کنترل
  • 87. یادگیری تقویتی برای پیش‌بینی
  • 88. یادگیری تقویتی برای تصمیم‌گیری
  • 89. ارزیابی عملکرد عامل‌ها
  • 90. معیارهای ارزیابی
  • 91. مقایسه الگوریتم‌ها
  • 92. آینده یادگیری تقویتی
  • 93. روندهای تحقیقاتی
  • 94. قابلیت اطمینان در RL
  • 95. قابلیت تفسیر در RL
  • 96. کاربردهای نوین RL
  • 97. یادگیری تقویتی در سیستم‌های توزیع شده
  • 98. یادگیری تقویتی با نظارت محدود
  • 99. یادگیری تقویتی در دنیای واقعی
  • 100. پروژه‌های عملی Q-Learning

📚 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.