سپنتا کتاب اکسپرس
کتاب یادگیری تقویتی (Reinforcement Learning): مفاهیم و کاربردها

کتاب یادگیری تقویتی (Reinforcement Learning): مفاهیم و کاربردها

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 یادگیری تقویتی (Reinforcement Learning): مفاهیم و کاربردها

موضوع کلی: برنامه نویسی

موضوع میانی: علم داده (Data Science)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی
  • 2. عناصر کلیدی یادگیری تقویتی
  • 3. عامل، محیط و حالت
  • 4. اقدام و پاداش
  • 5. سیاست و تابع ارزش
  • 6. یادگیری سیاست و یادگیری ارزش
  • 7. مسائل اساسی در یادگیری تقویتی
  • 8. کوتاه‌مدت در برابر بلندمدت
  • 9. موازنه اکتشاف و بهره‌برداری
  • 10. فرآیندهای تصمیم‌گیری مارکوف (MDP)
  • 11. تعریف MDP
  • 12. تابع انتقال حالت
  • 13. تابع پاداش
  • 14. معادله بلمن
  • 15. حل MDP: الگوریتم‌های برنامه‌ریزی
  • 16. تکرار ارزش
  • 17. تکرار سیاست
  • 18. تکرار خطی
  • 19. تکرار مقایسه‌ای
  • 20. روش‌های مبتنی بر مدل در یادگیری تقویتی
  • 21. یادگیری مستقیم مدل
  • 22. یادگیری غیرمستقیم مدل
  • 23. مدل‌های یادگیری ماشینی برای MDP
  • 24. روش‌های بدون مدل در یادگیری تقویتی
  • 25. یادگیری Q (Q-Learning)
  • 26. یادگیری Q-Diference
  • 27. یادگیری SARSA
  • 28. مقایسه Q-Learning و SARSA
  • 29. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
  • 30. مقدمه‌ای بر شبکه‌های عصبی عمیق
  • 31. شبکه‌های عصبی کانولوشنال (CNN)
  • 32. شبکه‌های عصبی بازگشتی (RNN)
  • 33. شبکه‌های عصبی مولد (GAN)
  • 34. مقدمه‌ای بر یادگیری عمیق تقویتی
  • 35. Deep Q-Networks (DQN)
  • 36. معماری DQN
  • 37. تابع هدف DQN
  • 38. نحوه آموزش DQN
  • 39. پیشرفت‌های DQN
  • 40. Double DQN
  • 41. Dueling DQN
  • 42. Prioritized Experience Replay
  • 43. یادگیری سیاست گرادیان (Policy Gradient)
  • 44. مقدمه‌ای بر روش‌های گرادیان سیاست
  • 45. روش REINFORCE
  • 46. پیاده‌سازی REINFORCE
  • 47. یادگیری سیاست گرادیان در مقابل یادگیری ارزش
  • 48. Actor-Critic Methods
  • 49. مقدمه‌ای بر روش‌های Actor-Critic
  • 50. A2C (Advantage Actor-Critic)
  • 51. A3C (Asynchronous Advantage Actor-Critic)
  • 52. مقایسه Actor-Critic با روش‌های دیگر
  • 53. یادگیری تقویتی در روباتیک
  • 54. کنترل ربات با یادگیری تقویتی
  • 55. یادگیری حرکت ربات
  • 56. یادگیری تعامل ربات با محیط
  • 57. کاربردها در سیستم‌های خودمختار
  • 58. یادگیری تقویتی در پردازش زبان طبیعی
  • 59. تولید متن با یادگیری تقویتی
  • 60. ترجمه ماشینی با یادگیری تقویتی
  • 61. خلاصه‌سازی متن با یادگیری تقویتی
  • 62. مدیریت مکالمه با یادگیری تقویتی
  • 63. یادگیری تقویتی در بازی‌ها
  • 64. یادگیری تقویتی در بازی‌های تخته‌ای
  • 65. یادگیری تقویتی در بازی‌های ویدئویی
  • 66. AlphaGo و دستاوردهای آن
  • 67. یادگیری تقویتی در سیستم‌های توصیه‌گر
  • 68. توصیه محصولات با یادگیری تقویتی
  • 69. توصیه محتوا با یادگیری تقویتی
  • 70. شخصی‌سازی تجربه کاربر
  • 71. یادگیری تقویتی در امور مالی
  • 72. معاملات الگوریتمی با یادگیری تقویتی
  • 73. مدیریت سبد سهام با یادگیری تقویتی
  • 74. پیش‌بینی بازار با یادگیری تقویتی
  • 75. یادگیری تقویتی در بهینه‌سازی
  • 76. بهینه‌سازی مسیریابی
  • 77. بهینه‌سازی تخصیص منابع
  • 78. بهینه‌سازی زمان‌بندی
  • 79. یادگیری تقویتی در سلامت و پزشکی
  • 80. تشخیص بیماری با یادگیری تقویتی
  • 81. طراحی درمان با یادگیری تقویتی
  • 82. مدیریت بیماری با یادگیری تقویتی
  • 83. یادگیری تقویتی در شبکه‌های کامپیوتری
  • 84. بهینه‌سازی ترافیک شبکه
  • 85. مدیریت منابع شبکه
  • 86. امنیت شبکه با یادگیری تقویتی
  • 87. یادگیری تقویتی در محیط‌های چندعاملی (MARL)
  • 88. مقدمه‌ای بر محیط‌های چندعاملی
  • 89. چالش‌های MARL
  • 90. همکاری و رقابت در MARL
  • 91. کاربردهای MARL
  • 92. مسائل اخلاقی و ملاحظات در یادگیری تقویتی
  • 93. سوگیری در الگوریتم‌های یادگیری تقویتی
  • 94. شفافیت و تفسیرپذیری
  • 95. مسئولیت‌پذیری در سیستم‌های خودمختار
  • 96. آینده یادگیری تقویتی
  • 97. روندهای تحقیقاتی جدید
  • 98. چالش‌های باز و فرصت‌ها
  • 99. یادگیری تقویتی برای هوش مصنوعی عمومی
  • 100. ملاحظات نهایی و جمع‌بندی

📚 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.