کتاب پیاده‌سازی موثر و مقیاس‌پذیر الگوریتم‌های MARL با PyMARL

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 پیاده‌سازی موثر و مقیاس‌پذیر الگوریتم‌های MARL با PyMARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: PyMARL

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی چند عاملی
  • 2. مفاهیم پایه یادگیری تقویتی
  • 3. فرایندهای تصمیم‌گیری مارکوف
  • 4. مدل‌های ارزش‌گذاری و سیاست‌گذاری
  • 5. الگوریتم‌های یادگیری تقویتی تک عاملی
  • 6. معرفی PyMARL
  • 7. نصب و راه‌اندازی PyMARL
  • 8. ساختار کلی PyMARL
  • 9. محیط‌های استاندارد در PyMARL
  • 10. پیاده‌سازی محیط‌های سفارشی
  • 11. معرفی الگوریتم‌های MARL
  • 12. چالش‌های یادگیری تقویتی چند عاملی
  • 13. همکاری در مقابل رقابت
  • 14. هماهنگی در میان عامل‌ها
  • 15. توزیع اطلاعات و ارتباطات
  • 16. الگوریتم‌های مبتنی بر ارزش مشترک
  • 17. VDN: Value Decomposition Networks
  • 18. QMIX: Quantile Regression Deep Q-Networks
  • 19. QTRAN: Training Deep Multi-Agent Reinforcement Learning
  • 20. IQL: Independent Q-Learning
  • 21. VDN در PyMARL
  • 22. پیاده‌سازی VDN در PyMARL
  • 23. آموزش VDN با PyMARL
  • 24. ارزیابی VDN
  • 25. QMIX در PyMARL
  • 26. پیاده‌سازی QMIX در PyMARL
  • 27. آموزش QMIX با PyMARL
  • 28. ارزیابی QMIX
  • 29. QTRAN در PyMARL
  • 30. پیاده‌سازی QTRAN در PyMARL
  • 31. آموزش QTRAN با PyMARL
  • 32. ارزیابی QTRAN
  • 33. IQL در PyMARL
  • 34. پیاده‌سازی IQL در PyMARL
  • 35. آموزش IQL با PyMARL
  • 36. ارزیابی IQL
  • 37. الگوریتم‌های مبتنی بر سیاست مشترک
  • 38. MADDPG: Multi-Agent Deep Deterministic Policy Gradient
  • 39. COMA: Counterfactual Multi-Agent Policy Gradients
  • 40. MAPPO: Multi-Agent Proximal Policy Optimization
  • 41. MADDPG در PyMARL
  • 42. پیاده‌سازی MADDPG در PyMARL
  • 43. آموزش MADDPG با PyMARL
  • 44. ارزیابی MADDPG
  • 45. COMA در PyMARL
  • 46. پیاده‌سازی COMA در PyMARL
  • 47. آموزش COMA با PyMARL
  • 48. ارزیابی COMA
  • 49. MAPPO در PyMARL
  • 50. پیاده‌سازی MAPPO در PyMARL
  • 51. آموزش MAPPO با PyMARL
  • 52. ارزیابی MAPPO
  • 53. مدیریت مقیاس‌پذیری در MARL
  • 54. افزایش تعداد عامل‌ها
  • 55. تکنیک‌های کاهش ابعاد
  • 56. استفاده از معماری‌های شبکه‌ای کارآمد
  • 57. آموزش توزیع‌شده در MARL
  • 58. مقیاس‌پذیری با PyMARL
  • 59. بهینه‌سازی پارامترهای PyMARL
  • 60. استفاده از سخت‌افزار محاسباتی
  • 61. تکنیک‌های موازی‌سازی
  • 62. کاربرد PyMARL در سناریوهای پیچیده
  • 63. بازی‌های چند عاملی
  • 64. شبکه‌های رباتیک
  • 65. سیستم‌های کنترل هوشمند
  • 66. مدیریت منابع توزیع‌شده
  • 67. بهینه‌سازی ترافیک شهری
  • 68. مدل‌سازی پدیده‌های اجتماعی
  • 69. یادگیری سازگار در محیط‌های پویا
  • 70. یادگیری تقویتی با پاداش پراکنده
  • 71. تکنیک‌های اکتشاف در MARL
  • 72. یادگیری با محدودیت‌های ارتباطی
  • 73. یادگیری برای عامل‌های ناهمگن
  • 74. پیاده‌سازی استراتژی‌های جدید در PyMARL
  • 75. توسعه الگوریتم‌های سفارشی
  • 76. ترکیب الگوریتم‌های مختلف
  • 77. ارزیابی عملکرد الگوریتم‌ها
  • 78. متریک‌های ارزیابی در MARL
  • 79. تحلیل حساسیت الگوریتم‌ها
  • 80. دقت و پایداری الگوریتم‌ها
  • 81. کارایی محاسباتی
  • 82. کاربرد در مسائل اقتصادی و مدیریتی
  • 83. بهینه‌سازی زنجیره تأمین
  • 84. مدیریت سبد سهام
  • 85. سیستم‌های توصیه‌گر چند عاملی
  • 86. کاربرد در مسائل اجتماعی و شهری
  • 87. مدیریت بحران
  • 88. بهینه‌سازی مصرف انرژی
  • 89. طراحی سیستم‌های حمل و نقل هوشمند
  • 90. اصول اخلاقی در MARL (سازگار با چارچوب رسمی)
  • 91. شفافیت در تصمیم‌گیری عامل‌ها
  • 92. مسئولیت‌پذیری عامل‌ها
  • 93. امنیت و قابلیت اطمینان سیستم‌های 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.