سپنتا کتاب اکسپرس
کتاب مبانی یادگیری تقویتی و بهینه‌سازی در سیستم‌های هوشمند

کتاب مبانی یادگیری تقویتی و بهینه‌سازی در سیستم‌های هوشمند

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 مبانی یادگیری تقویتی و بهینه‌سازی در سیستم‌های هوشمند

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری تقویتی و سیستم‌های چند عامله

📋 سرفصل‌های دوره

  • 1. مبانی ریاضیات هوش مصنوعی
  • 2. مقدمه‌ای بر یادگیری ماشین
  • 3. یادگیری نظارت شده
  • 4. یادگیری بدون نظارت
  • 5. یادگیری تقویتی: مقدمه
  • 6. مفاهیم کلیدی در یادگیری تقویتی
  • 7. محیط و عامل
  • 8. حالت، عمل و پاداش
  • 9. فرایند تصمیم‌گیری مارکوف (MDP)
  • 10. ماتریس انتقال حالت
  • 11. تابع پاداش
  • 12. تابع ارزش حالت
  • 13. تابع ارزش عمل
  • 14. اپتیمالیتی در MDP
  • 15. معادلات بلمن
  • 16. تخمین تابع ارزش
  • 17. تخمین تابع عمل-ارزش
  • 18. سیاست‌ها و بهینه‌سازی سیاست
  • 19. جستجوی سیاست
  • 20. روش‌های گرادیان سیاست
  • 21. روش‌های مبتنی بر ارزش
  • 22. یادگیری Q
  • 23. یادگیری Q عمیق (DQN)
  • 24. پیاده‌سازی DQN
  • 25. معماری شبکه‌های عصبی در DQN
  • 26. حافظه تجربی
  • 27. هدف‌گذاری در DQN
  • 28. جلوگیری از ناپایداری در DQN
  • 29. یادگیری تقویتی بدون مدل
  • 30. یادگیری تقویتی با مدل
  • 31. روش‌های مدل‌دار
  • 32. روش‌های بدون مدل
  • 33. یادگیری آفلاین
  • 34. یادگیری آنلاین
  • 35. یادگیری فاکتو
  • 36. یادگیری غیرفاکتو
  • 37. کشف عمل
  • 38. کشف حالت
  • 39. یادگیری با پاداش پراکنده
  • 40. یادگیری با پاداش منفی
  • 41. یادگیری سلسله مراتبی
  • 42. یادگیری عامل-محیط
  • 43. یادگیری با چند عامل (MARL)
  • 44. مقدمه‌ای بر سیستم‌های چند عامله
  • 45. مفاهیم کلیدی در MARL
  • 46. تعامل عامل‌ها
  • 47. هماهنگی عامل‌ها
  • 48. رقابت عامل‌ها
  • 49. همکاری عامل‌ها
  • 50. بازی‌های جمعی
  • 51. تعادل نش
  • 52. بازی‌های صفر و یک
  • 53. بازی‌های غیرصفر و یک
  • 54. مفاهیم نظریه بازی‌ها در MARL
  • 55. حالت مشترک و عمل مشترک
  • 56. حالت مشترک و عمل منفرد
  • 57. حالت منفرد و عمل مشترک
  • 58. حالت منفرد و عمل منفرد
  • 59. چالش‌های MARL
  • 60. پیچیدگی محاسباتی در MARL
  • 61. عدم قطعیت در MARL
  • 62. دینامیک محیط در MARL
  • 63. مدل‌سازی رفتار عامل‌ها
  • 64. یادگیری عامل محور (Agent-centric learning)
  • 65. یادگیری مبتنی بر مشاهده (Observation-based learning)
  • 66. یادگیری مبتنی بر ادراک (Perception-based learning)
  • 67. سیستم‌های عامل‌های هوشمند
  • 68. طراحی عامل‌های هوشمند
  • 69. پیاده‌سازی عامل‌های هوشمند
  • 70. ارزیابی عامل‌های هوشمند
  • 71. کاربردهای یادگیری تقویتی
  • 72. کاربردها در رباتیک
  • 73. کاربردها در بازی‌ها
  • 74. کاربردها در سیستم‌های توصیه‌گر
  • 75. کاربردها در مالی
  • 76. کاربردها در بهینه‌سازی منابع
  • 77. کاربردها در مدیریت انرژی
  • 78. کاربردها در سلامت
  • 79. کاربردها در حمل و نقل هوشمند
  • 80. کاربردهای سیستم‌های چند عامله
  • 81. کاربردها در شبکه‌های ارتباطی
  • 82. کاربردها در مدیریت ترافیک
  • 83. کاربردها در اقتصاد خرد
  • 84. کاربردها در بازارهای خودکار
  • 85. کاربردها در مدل‌سازی اجتماعی
  • 86. کاربردها در رباتیک گروهی
  • 87. کاربردهای پیشرفته در یادگیری تقویتی
  • 88. یادگیری تقویتی عمیق پیشرفته
  • 89. یادگیری تقویتی چند عامله پیشرفته
  • 90. بهینه‌سازی در سیستم‌های هوشمند
  • 91. نقش هوش مصنوعی در بهینه‌سازی
  • 92. مقدمه بر بهینه‌سازی
  • 93. روش‌های ابتکاری و فراابتکاری
  • 94. الگوریتم‌های ژنتیک
  • 95. بهینه‌سازی کلونی مورچگان
  • 96. بهینه‌سازی ازدحام ذرات
  • 97. الگوریتم‌های جستجوی محلی
  • 98. بهینه‌سازی مبتنی بر شیب (Gradient-based optimization)
  • 99. بهینه‌سازی بدون شیب (Gradient-free optimization)
  • 100. بهینه‌سازی چند هدفه

📚 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.