Fundamentals of Reinforcement Learning

• 机器学习经验
• Programming 经验

观众

• 数据科学家

Reinforcement Learning （RL） 是一种机器学习技术，其中计算机程式（代理）通过执行操作并接收有关操作结果的反馈来学习在环境中的行为。对于每个好的动作，代理都会收到积极的反馈，而对于每个坏的动作，代理都会收到负面反馈（惩罚）。

这种由讲师指导的现场培训（在线或现场）面向数据科学家，他们希望超越传统的机器学习方法，在不使用标记数据和大数据集的情况下教授计算机程式来解决问题。

在本次培训结束时，参与者将能够：

• 安装并应用实现 Reinforcement Learning 所需的库和程式设计语言。
• 创建一个能够通过反馈而不是通过监督学习来学习的软体代理。
• 对代理程式进行程式设计，以解决决策顺序和有限的问题。
• 将知识应用于设计软体，该软体可以以类似于人类学习的方式进行学习。

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在即时实验室环境中动手实施。

课程自定义选项

• 要申请本课程的定制培训，请联系我们进行安排。

介绍

• 通过正强化学习

Elements 的 Reinforcement Learning

重要术语（操作、状态、奖励、政策、价值、Q 值等）

表格解决方案方法概述

创建 Software Agent

了解基于价值、基于策略和基于模型的方法

使用 Markov 决策过程 （MDP）

策略如何定义代理的行为方式

使用 Monte Carlo 方法

时间差异学习

n 步 Bootstrapping

近似求解方法

使用近似值进行策略预测

使用近似的策略控制

使用近似的非策略方法

了解资格跟踪

使用策略梯度方法

总结和结论