آموزش مقدماتی یادگیری تقویت‌شده (Reinforcement Learning) - آخرین آپدیت

مقدمه‌ای بر یادگیری تقویت‌شده Introduction to Reinforcement Learning

• آشنایی با یادگیری تقویت‌شده Introduction to Reinforcement Learning

• یادگیری تقویت‌شده به عنوان یک شاخه از یادگیری ماشین Reinforcement Learning as a Machine Learning Discipline

• عناصر یادگیری تقویت‌شده Elements of Reinforcement Learning

• تاریخچه مختصر A Brief History

• باندیت‌های چند بازویی (Multi-armed Bandits) Multi-armed Bandits

• استراتژی‌های اکتشاف، بهره‌برداری و اپسیلون-greedy Exploration, Exploitation, and Epsilon-greedy Strategies

• فرآیندهای تصمیم‌گیری مارکوف (MDPs) Markov Decision Processes (MDPs)

• احتمالات انتقال Transition Probabilities

• مثال‌هایی از MDPها Examples of MDPs

• بازده تخفیف‌خورده (Discounted Return) Discounted Return

• سیاست (Policy) Policy

مبانی الگوریتم یادگیری تقویت‌شده Basics of the Reinforcement Learning Algorithm

• برنامه‌نویسی پویا Dynamic Programming

• مثال کاربردی: شکلات‌ها Example Problem: Candy Bars

• بهبود تکرار شونده Iterative Improvement

• دموی محیط Gridworld Demo: Gridworld

• نقاط قوت و ضعف برنامه‌نویسی پویا Strengths and Weaknesses of Dynamic Programming

• روش‌های مونت‌کارلو Monte Carlo Methods

• دموی مونت‌کارلو در Gridworld Demo: Monte Carlo Gridworld

• کاربردهای واقعی روش‌های مونت‌کارلو Real-world Applications of Monte Carlo Methods

• تفاوت On-policy و Off-policy On-policy vs. Off-policy

• یادگیری تفاضل زمانی (TD Learning) Temporal Difference (TD) Learning

• الگوریتم TD(0) TD(0)

• الگوریتم‌های TD TD Algorithms

• ملاحظات کاربردی Practical Considerations