Deep Reinforcement Learning with Python

• Biegła znajomość języka Python
• Zrozumienie rachunku prawdopodobieństwa i algebry liniowej
• Podstawowe zrozumienie rachunku prawdopodobieństwa i Statistics
• Doświadczenie w tworzeniu modeli uczenia maszynowego w Pythonie i Numpy

Publiczność

• Deweloperzy
• Naukowcy danych

Deep Reinforcement Learning odnosi się do zdolności "sztucznego agenta" do uczenia się metodą prób i błędów oraz nagród i kar. Sztuczny agent ma na celu naśladowanie ludzkiej zdolności do samodzielnego pozyskiwania i konstruowania wiedzy, bezpośrednio z surowych danych wejściowych, takich jak wizja. Aby zrealizować uczenie ze wzmocnieniem, stosuje się głębokie uczenie i sieci neuronowe. Uczenie ze wzmocnieniem różni się od uczenia maszynowego i nie opiera się na nadzorowanych i nienadzorowanych podejściach do uczenia się.

To prowadzone przez instruktora szkolenie na żywo (online lub na miejscu) jest przeznaczone dla programistów i naukowców zajmujących się danymi, którzy chcą poznać podstawy Deep Reinforcement Learning podczas tworzenia agenta Deep Learning.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zrozumieć kluczowe koncepcje stojące za Deep Reinforcement Learning i być w stanie odróżnić je od uczenia maszynowego.
• Stosować zaawansowane algorytmy Reinforcement Learning do rozwiązywania rzeczywistych problemów.
• Zbuduj agenta głębokiego uczenia.

Format kursu

• Interaktywny wykład i dyskusja.
• Dużo ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

• Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

Wstęp

Reinforcement Learning Podstawy

Podstawowe Reinforcement Learning Techniki

Wprowadzenie do JUTA

Konwergencja wartości i iteracja polityki

Kształtowanie nagród

Badanie

Uogólnienie

Częściowo obserwowalne MDP

Opcje

Logistyka

TD Lambda

Gradienty polityki

Głębokie Q-Learning

Tematy z teorii gier

Podsumowanie i kolejne kroki