آموزش راهنمای یادگیری عمیق تقویتی برای Connect Four - آخرین آپدیت

سرفصل ها و درس ها

Introduction to Python and Essential Libraries

• پیش‌نمایش Preview

• دانلود پایتون Downloading Python

• انواع داده‌ها و عملیات پایه پایتون Python Data Types and Basic Operations

• حلقه‌ها، توابع و اشیاء Loops, Functions, and Objects

• کنترل جریان و استثناها Flow Control and Exceptions

• مبانی NumPy Numpy Basics

• کتابخانه‌های مفید Useful Libraries

یادگیری تقویتی و بازی دوز Reinforcement Learning and the Game of Tic-Tac-Toe

• مقدمه Introduction

• قوانین بازی دوز The Rules of Tic-Tac-Toe

• ساختن شیء تخته - بخش A Building the Board Object - Part A

• ساختن شیء تخته - بخش B Building the Board Object - Part B

• ایجاد اولین بازیکن‌های ساده و بازی دوز Creating the First Simple Players and the Game of Tic-Tac-Toe

• درخت بازی Game Tree

• الگوریتم Minimax Minimax Algorithm

• پیاده‌سازی بازیکن Minimax Implementing the Minimax Player

• برنامه‌نویسی پویا (DP) Dynamic Programming (DP)

• پیاده‌سازی بازیکن DP Implementing the DP Player

• روش‌های مونت کارلو (MC) Monte Carlo (MC) Methods

• پیاده‌سازی بازیکن MC Implementing the MC Player

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

• پیاده‌سازی بازیکن TD - بخش A Implementing the TD Player - Part A

• پیاده‌سازی بازیکن TD - بخش B Implementing the TD Player - Part B

• یادگیری تقویتی جدولی Tabular Reinforcement Learning

• موقعیت‌های معادل تخته Equivalent Board Positions

• شناسایی موقعیت‌های نمایشی تخته Identifying Representative Board Positions

• تمرین 1 Exercise 1

• تمرین 1 - راه‌حل Exercise 1 - Solution

انتقال به Connect Four Transition to Connect Four

• مقدمه Introduction

• قوانین Connect Four Rules of Connect Four

• ساخت بازی و بازیکنان پایه Building the Game and Basic Players

• چالش مقیاس‌پذیری Scalability Challenge

• هوریستیک‌ها Heuristics

• پیاده‌سازی بازیکن هوریستیک ساده Implementing the Simple Heuristic Player

• N-Lookahead N-Lookahead

• پیاده‌سازی بازیکن هوریستیک Lookahead Implementing the Lookahead Heuristic Player

• تمرین 2 Exercise 2

• تمرین 2 - راه‌حل Exercise 2 - Solution

شبکه‌های عصبی به‌عنوان توابع تقریب Neural Networks as Approximation Functions

• مقدمه Introduction

• رگرسیون خطی Linear Regression

• لایه های یک شبکه عصبی Layers of a Neural Network

• ضرب ماتریسی Matrix Multiplication

• لایه های متعدد و توابع فعال‌سازی Multiple Layers and Activation Functions

• پس‌انتشار Backpropagation

• بارگذاری مجموعه داده MNIST Loading the MNIST Dataset

• مثال MNIST بخش 1 MNIST Example Part 1

• مثال MNIST بخش 2 MNIST Example Part 2

• تنظیم‌کنندگی Regularization

• تمرین 3 Exercise 3

• ایجاد یک چارچوب ساده برای شبکه‌های عصبی بخش A Create a Simple Framework for Neural Networks Part A

• ایجاد یک چارچوب ساده برای شبکه‌های عصبی بخش B Create a Simple Framework for Neural Networks Part B

توسعه یک عامل یادگیری تقویتی عمیق برای Connect Four Developing a Deep Reinforcement Learning Agent for Connect Four

• مقدمه Introduction

• جمع‌آوری همه چیز Bringing Everything Together

• چالش‌ها در اعمال یادگیری عمیق بر یادگیری تقویتی Challenges in Applying Deep Learning to Reinforcement Learning

• پیاده‌سازی Replay Buffer و موقعیت‌های معادل برای Connect Four Implementing the Replay Buffer and Equivalent Positions for Connect Four

• پیاده‌سازی بازیکن یادگیری تقویتی عمیق ما بخش A Implementing Our Deep Reinforcement Learning Player Part A

• پیاده‌سازی بازیکن یادگیری تقویتی عمیق ما بخش B Implementing Our Deep Reinforcement Learning Player Part B

• بعدش چی؟ What Next?