Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduksjon til Reinforcement Learning
- Hva er forsterkende læring?
- Nøkkelbegreper: agent, miljø, stater, handlinger og belønninger
- Utfordringer i forsterkende læring
Utforskning og utnyttelse
- Balansering av leting og utnyttelse i RL-modeller
- Utforskningsstrategier: epsilon-grådig, softmax og mer
Q-Learning og Deep Q-Networks (DQN)
- Introduksjon til Q-læring
- Implementering av DQN-er ved å bruke TensorFlow
- Optimalisering av Q-læring med erfaringsreplay og målnettverk
Policybaserte metoder
- Policygradientalgoritmer
- FORSTERK algoritmen og dens implementering
- Skuespiller-kritiske metoder
Jobber med OpenAI Gym
- Sette opp miljøer i OpenAI Gym
- Simulering av agenter i dynamiske miljøer
- Evaluering av agentytelse
Avanserte Reinforcement Learning teknikker
- Multi-agent forsterkende læring
- Deep deterministic policy gradient (DDPG)
- Proksimal policyoptimalisering (PPO)
Utplassering av Reinforcement Learning modeller
- Virkelige anvendelser av forsterkende læring
- Integrering av RL-modeller i produksjonsmiljøer
Sammendrag og neste trinn
Krav
- Erfaring med Python programmering
- Grunnleggende forståelse av dyp læring og maskinlæringskonsepter
- Kunnskap om algoritmer og matematiske begreper brukt i forsterkningslæring
Publikum
- Dataforskere
- Utøvere av maskinlæring
- AI-forskere
28 timer
Testimonials (4)
veldig vennlige og hjelpsomme
Aktar Hossain - Unit4
Kurs - Building Microservices with Microsoft Azure Service Fabric (ASF)
Machine Translated
Det manuelle serverløse oppsettet. Dessuten hadde jeg ingen utganger til Idea sls-nettkonsollen, noe som er fint.
Rafal Kucharski - The Software House sp. z o.o.
Kurs - Serverless Framework for Developers
Machine Translated
All good, nothing to improve
Ievgen Vinchyk - GE Medical Systems Polska Sp. Z O.O.
Kurs - AWS Lambda for Developers
IOT applications