کتاب RLlib: از پایه تا پیشرفته برای توسعه‌دهندگان یادگیری تقویتی چندعامله

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 RLlib: از پایه تا پیشرفته برای توسعه‌دهندگان یادگیری تقویتی چندعامله

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: RLlib

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر یادگیری تقویتی چند عامله
  • 2. مفاهیم بنیادی یادگیری تقویتی
  • 3. عامل ها و محیط در یادگیری تقویتی
  • 4. تابع پاداش و تابع ارزش
  • 5. الگوریتم های یادگیری تقویتی تک عامله
  • 6. یادگیری Q-learning
  • 7. یادگیری Deep Q-Network (DQN)
  • 8. یادگیری Policy Gradient
  • 9. الگوریتم Actor-Critic
  • 10. معرفی RLlib
  • 11. نصب و راه اندازی RLlib
  • 12. ساختار کلی RLlib
  • 13. تنظیمات و پیکربندی RLlib
  • 14. محیط های استاندارد برای یادگیری تقویتی
  • 15. استفاده از محیط های OpenAI Gym در RLlib
  • 16. تطبیق محیط های سفارشی با RLlib
  • 17. تعریف عامل ها در RLlib
  • 18. انواع عامل های موجود در RLlib
  • 19. پیاده سازی عامل های سفارشی
  • 20. آموزش عامل ها در RLlib
  • 21. تنظیم پارامترهای آموزش
  • 22. نظارت بر فرآیند آموزش
  • 23. مدیریت آزمایشات آموزشی
  • 24. ذخیره و بارگذاری مدل های آموزش دیده
  • 25. ارزیابی عملکرد عامل ها
  • 26. متریک های ارزیابی در یادگیری تقویتی
  • 27. استفاده از ابزارهای تجسمی RLlib
  • 28. یادگیری تقویتی چند عامله (MARL)
  • 29. چالش های یادگیری تقویتی چند عامله
  • 30. همکاری و رقابت در MARL
  • 31. هماهنگی بین عامل ها
  • 32. استراتژی های ارتباطی بین عامل ها
  • 33. مدل های یادگیری تقویتی چند عامله
  • 34. مرور الگوریتم های MARL
  • 35. الگوریتم های مبتنی بر ارزش در MARL
  • 36. الگوریتم های مبتنی بر سیاست در MARL
  • 37. الگوریتم های مبتنی بر عامل مرکزی در MARL
  • 38. الگوریتم های مبتنی بر عامل تجزیه پذیر در MARL
  • 39. معرفی الگوریتم های MARL در RLlib
  • 40. PPO در سناریوهای چند عامله
  • 41. A3C در سناریوهای چند عامله
  • 42. DDPG در سناریوهای چند عامله
  • 43. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
  • 44. QMIX (Value Decomposition Networks)
  • 45. VDN (Value Decomposition Networks)
  • 46. IQL (Independent Q-Learning)
  • 47. COMA (Counterfactual Multi-Agent Policy Gradients)
  • 48. استفاده از الگوریتم های MARL در RLlib
  • 49. پیاده سازی سناریوهای همکاری
  • 50. پیاده سازی سناریوهای رقابتی
  • 51. پیاده سازی سناریوهای ترکیبی
  • 52. تنظیمات پیشرفته برای MARL در RLlib
  • 53. نظارت بر عامل های متعدد
  • 54. ارزیابی تعاملات بین عامل ها
  • 55. استفاده از ابزارهای تجسمی برای MARL
  • 56. کاربردهای یادگیری تقویتی چند عامله
  • 57. مدیریت ترافیک شهری با MARL
  • 58. رباتیک و اتوماسیون صنعتی با MARL
  • 59. بازی های ویدئویی و شبیه سازی ها با MARL
  • 60. سیستم های توصیه گر چند عامله
  • 61. مدیریت منابع در شبکه های توزیع شده
  • 62. بازارهای خودکار و معاملات الگوریتمی
  • 63. تحلیل و پیش بینی رفتارهای جمعی
  • 64. پروژه های عملی با RLlib
  • 65. طراحی یک سیستم مدیریت ترافیک
  • 66. شبیه سازی ربات های انباردار
  • 67. توسعه یک عامل بازی چند نفره
  • 68. ساخت یک سیستم توصیه گر پویا
  • 69. پیاده سازی مدیریت بهینه منابع شبکه
  • 70. بهینه سازی استراتژی های معاملاتی
  • 71. تحلیل رفتار جمعی در سیستم های اجتماعی
  • 72. نکات و ترفندهای پیشرفته در RLlib
  • 73. اشکال زدایی مدل های MARL
  • 74. بهبود پایداری و همگرایی در MARL
  • 75. مقیاس پذیری الگوریتم های MARL
  • 76. مدیریت داده ها در سناریوهای MARL
  • 77. استفاده از سخت افزار موازی
  • 78. بهینه سازی کد برای عملکرد بهتر
  • 79. مطالعه موردی: بازی StarCraft II
  • 80. معرفی بازی StarCraft II به عنوان یک چالش MARL
  • 81. استفاده از PySC2 با RLlib
  • 82. آموزش عامل ها برای StarCraft II
  • 83. چالش ها و راهکارها در StarCraft II
  • 84. مطالعه موردی: رباتیک در انبار
  • 85. طراحی محیط انبار با استفاده از MuJoCo
  • 86. آموزش ربات ها برای وظایف انبارداری
  • 87. بهینه سازی مسیر و جابجایی کالا
  • 88. مطالعه موردی: سیستم های توصیه گر
  • 89. طراحی یک سیستم توصیه گر چند عامله
  • 90. مدل سازی تعاملات کاربر و توصیه گر
  • 91. ارزیابی کیفیت توصیه ها
  • 92. آینده یادگیری تقویتی چند عامله
  • 93. روندهای تحقیقاتی جدید در MARL
  • 94. چالش های اخلاقی و اجتماعی MARL
  • 95. کاربردهای نوظهور MARL
  • 96. توسعه بیشتر RLlib
  • 97. پیشرفت های آتی در RLlib
  • 98. منابع تکمیلی برای یادگیری بیشتر

📚 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.