کتاب هوش مصنوعی عامل‌محور با یادگیری تقویتی عمیق با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی عامل‌محور با یادگیری تقویتی عمیق

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی عمیق (Deep Reinforcement Learning - DRL)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر عامل‌های هوشمند و یادگیری تقویتی
  • 2. مفاهیم پایه هوش مصنوعی عامل‌محور
  • 3. محیط‌ها و عامل‌ها در یادگیری تقویتی
  • 4. مدل‌های مارکوف تصمیم‌گیری (MDP)
  • 5. تابع پاداش و سیاست عامل
  • 6. تکنیک‌های جستجو در فضای حالت
  • 7. یادگیری مبتنی بر مدل و بدون مدل
  • 8. الگوریتم‌های یادگیری تقویتی کلاسیک
  • 9. تکنیک‌های ارزش‌گذاری و سیاست‌گذاری
  • 10. یادگیری Q (Q-Learning)
  • 11. یادگیری Q عمیق (Deep Q-Learning - DQN)
  • 12. معماری شبکه‌های عصبی در DQN
  • 13. تقویت تجربه (Experience Replay)
  • 14. تکنیک‌های هدف‌گذاری در DQN
  • 15. الگوریتم‌های Actor-Critic
  • 16. روش‌های گرادیان سیاست (Policy Gradient)
  • 17. الگوریتم A2C (Advantage Actor-Critic)
  • 18. الگوریتم A3C (Asynchronous Advantage Actor-Critic)
  • 19. الگوریتم PPO (Proximal Policy Optimization)
  • 20. الگوریتم TRPO (Trust Region Policy Optimization)
  • 21. یادگیری تقویتی عمیق برای رباتیک
  • 22. کاربردها در بازی‌های کامپیوتری
  • 23. کاربردها در سیستم‌های توصیه‌گر
  • 24. کاربردها در مدیریت منابع
  • 25. کاربردها در بهینه‌سازی صنعتی
  • 26. کاربردها در سیستم‌های خودران
  • 27. چالش‌های یادگیری تقویتی
  • 28. مشکل کمبود پاداش (Sparse Rewards)
  • 29. مشکل پایداری در یادگیری عمیق
  • 30. مشکل مقیاس‌پذیری
  • 31. مسائل اخلاقی و امنیتی در هوش مصنوعی
  • 32. اصول حاکم بر داده‌ها و الگوریتم‌ها در ایران
  • 33. چارچوب‌های شرعی در کاربرد فناوری
  • 34. اقتصاد مقاومتی و هوش مصنوعی
  • 35. بومی‌سازی فناوری‌های هوش مصنوعی
  • 36. فقه و احکام مرتبط با فناوری‌های نوین
  • 37. اخلاق در کاربرد هوش مصنوعی در ایران
  • 38. رویکردهای اسلامی به هوش مصنوعی
  • 39. استفاده از هوش مصنوعی در آموزش رسمی
  • 40. ملاحظات شرعی در پردازش داده‌ها
  • 41. قوانین و مقررات فضای مجازی در ایران
  • 42. حریم خصوصی و امنیت اطلاعات
  • 43. مسئولیت‌پذیری عامل‌های هوشمند
  • 44. حکمرانی هوش مصنوعی در چارچوب قوانین ایران
  • 45. یادگیری تقویتی چندعامله
  • 46. همکاری و رقابت بین عامل‌ها
  • 47. کاربردها در شبکه‌های هوشمند
  • 48. کاربردها در مدیریت ترافیک
  • 49. کاربردها در بازارهای مالی اسلامی
  • 50. یادگیری تقویتی با پاداش‌های اجتماعی
  • 51. یادگیری تقویتی برای بهینه‌سازی مصرف انرژی
  • 52. یادگیری تقویتی در کشاورزی هوشمند
  • 53. یادگیری تقویتی در سلامت الکترونیک
  • 54. یادگیری تقویتی در بهینه‌سازی زنجیره تأمین
  • 55. یادگیری تقویتی در شبیه‌سازی‌های پیچیده
  • 56. یادگیری تقویتی برای کشف الگوهای پنهان
  • 57. یادگیری تقویتی در تحلیل داده‌های کلان
  • 58. یادگیری تقویتی با محدودیت‌های محاسباتی
  • 59. یادگیری تقویتی توزیع‌شده
  • 60. یادگیری تقویتی برای سیستم‌های توصیه‌گر شخصی‌سازی شده
  • 61. یادگیری تقویتی در مدیریت ریسک مالی
  • 62. یادگیری تقویتی در بهینه‌سازی پورتفولیو
  • 63. یادگیری تقویتی در سیستم‌های انرژی تجدیدپذیر
  • 64. یادگیری تقویتی در ربات‌های همکار
  • 65. یادگیری تقویتی در خودکارسازی فرآیندها
  • 66. یادگیری تقویتی در بهینه‌سازی مصرف منابع
  • 67. یادگیری تقویتی در مدیریت بحران
  • 68. یادگیری تقویتی در سیستم‌های امنیتی
  • 69. یادگیری تقویتی در تحلیل رفتاری کاربران
  • 70. یادگیری تقویتی در بهبود کیفیت خدمات
  • 71. یادگیری تقویتی در پیش‌بینی تقاضا
  • 72. یادگیری تقویتی در بهینه‌سازی تولید
  • 73. یادگیری تقویتی در مدیریت لجستیک
  • 74. یادگیری تقویتی در شبیه‌سازی‌های اقتصادی
  • 75. یادگیری تقویتی در طراحی سیستم‌های پیچیده
  • 76. یادگیری تقویتی در بهینه‌سازی فرآیندهای تولیدی
  • 77. یادگیری تقویتی در مدیریت موجودی
  • 78. یادگیری تقویتی در بهینه‌سازی استراتژی‌های کسب‌وکار
  • 79. یادگیری تقویتی در سیستم‌های توزیع انرژی
  • 80. یادگیری تقویتی در پیش‌بینی و کنترل سیستم‌های صنعتی
  • 81. یادگیری تقویتی در بهینه‌سازی شبکه‌های ارتباطی
  • 82. یادگیری تقویتی در مدیریت منابع آب
  • 83. یادگیری تقویتی در سیستم‌های هوشمند شهری
  • 84. یادگیری تقویتی در بهینه‌سازی حمل‌ونقل
  • 85. یادگیری تقویتی در پیش‌بینی و کنترل فرآیندهای شیمیایی
  • 86. یادگیری تقویتی در بهینه‌سازی فرآیندهای متالورژی
  • 87. یادگیری تقویتی در سیستم‌های خودکارسازی آزمایشگاهی
  • 88. یادگیری تقویتی در بهینه‌سازی فرآیندهای ساخت
  • 89. یادگیری تقویتی در مدیریت انرژی ساختمان‌ها
  • 90. یادگیری تقویتی در پیش‌بینی و کنترل سیستم‌های هواشناسی
  • 91. یادگیری تقویتی در بهینه‌سازی فرآیندهای زیست‌محیطی
  • 92. یادگیری تقویتی در سیستم‌های پایش سلامت
  • 93. یادگیری تقویتی در بهینه‌سازی فرآیندهای داروسازی
  • 94. یادگیری تقویتی در سیستم‌های تشخیص پزشکی
  • 95. یادگیری تقویتی در بهینه‌سازی فرآیندهای کشاورزی پایدار
  • 96. یادگیری تقویتی در سیستم‌های مدیریت منابع طبیعی
  • 97. یادگیری تقویتی در بهینه‌سازی فرآیندهای معدنی
  • 98. یادگیری تقویتی در سیستم‌های نظارتی هوشمند
  • 99. یادگیری تقویتی در بهینه‌سازی فرآیندهای نساجی
  • 100. یادگیری تقویتی در سیستم‌های خودکارسازی اداری
تگ‌ها: Deep Reinforcement Learning DRL Multi-Agent Reinforcement Learning عامل‌محور هوش مصنوعی هوش مصنوعی عامل‌محور یادگیری تقویتی یادگیری تقویتی چندعامله یادگیری تقویتی عمیق

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.