آموزش مبانی یادگیری تقویت‌شده برای کسب‌وکار - آخرین آپدیت

سرفصل ها و درس ها

قاب‌بندی و آشنایی با دوره Course Framing and Orientation

• خوش‌آمدگویی و محدوده دوره Welcome and Scope

• چرا RL و بررسی مورد عملی Why RL, and the Running Case

مبانی یادگیری تقویت‌شده Reinforcement Learning Foundations

• حلقه عامل-محیط The Agent-Environment Loop

• پاداش‌ها و تضاد بین اکتشاف و بهره‌برداری Rewards and the Explore-Exploit Tension

• سنجش دانش Knowledge Check

فرآیندهای تصمیم‌گیری مارکوف و توابع ارزش Markov Decision Processes and Value Functions

• مدل MDP The MDP Model

• معادلات بلمن و بهینگی Bellman Equations and Optimality

• سنجش دانش Knowledge Check

اکتشاف و Multi-Armed Bandits Exploration and Multi-Armed Bandits

• تنظیمات Bandit The Bandit Setting

• مقایسه استراتژی‌های اکتشاف Comparing Exploration Strategies

• سنجش دانش Knowledge Check

یادگیری تفاضل زمانی: SARSA و Q-Learning Temporal-Difference Learning: SARSA and Q-Learning

• پیش‌بینی تفاضل زمانی Temporal-Difference Prediction

• کنترل SARSA و Q-Learning SARSA and Q-Learning Control

• تنظیم و آموزش عملی Tuning and Practical Training

• سنجش دانش Knowledge Check

تقریب تابع و یادگیری Q عمیق Function Approximation and Deep Q-Learning

• از جداول به ویژگی‌ها From Tables to Features

• شبکه‌های Q عمیق (DQN) Deep Q-Networks

• سنجش دانش Knowledge Check

گرادیان‌های سیاست و REINFORCE Policy Gradients and REINFORCE

• بهینه‌سازی مستقیم سیاست Optimizing the Policy Directly

• واریانس، خطوط پایه و ارتباطات Variance, Baselines, and Relevance

• سنجش دانش Knowledge Check

Actor-Critic و PPO Actor-Critic and PPO

• روش‌های Actor-Critic Actor-Critic Methods

• الگوریتم PPO و انتخاب متد PPO and Choosing a Method

• سنجش دانش Knowledge Check

کاربردهای تجاری و مورد مطالعه انبار Business Applications and the Warehouse Case

• مطالعه موردی انبار The Warehouse Case Study

• موردهای کوچک و زمان کاربرد RL Mini-Cases and When RL Fits

• سنجش دانش Knowledge Check

تقریب تابع، انبار و جمع‌بندی Function Approximation, Warehouse, and Wrap-Up

• تقریب تابع، انبار و جمع‌بندی نهایی Function Approximation, Warehouse, and Wrap-Up