Pular para o conteúdo principal
InícioArtificial Intelligence

curso

Aprendizado por reforço profundo em Python

Avançado
Actualizado 02/2025
"Aprenda e use poderosos algoritmos de Aprendizado por Reforço Profundo, incluindo técnicas de otimização."
Iniciar curso gratuitamente

Incluído comPremium or Teams

PyTorchArtificial Intelligence4 horas15 vídeos49 exercícios4,050 XPCertificado de conclusão

Crie sua conta gratuita

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
Group

Treinar 2 ou mais pessoas?

Tentar DataCamp for Business

Amado por alunos de milhares de empresas

Descrição do curso

Descubra as técnicas de ponta que permitem que as máquinas aprendam e interajam com seus ambientes. Você mergulhará no mundo do Deep Reinforcement Learning (DRL) e ganhará experiência prática com os algoritmos mais poderosos que impulsionam o campo. Você usará o PyTorch e o ambiente Gymnasium para criar seus próprios agentes.

Domine os fundamentos da aprendizagem por reforço profundo

Nossa jornada começa com os fundamentos do DRL e sua relação com o aprendizado por reforço tradicional. A partir daí, passamos rapidamente à implementação de Deep Q-Networks (DQN) no PyTorch, incluindo refinamentos avançados, como Double DQN e Prioritized Experience Replay, para turbinar seus modelos. Leve suas habilidades para o próximo nível enquanto você explora métodos baseados em políticas. Você aprenderá e implementará técnicas essenciais de gradiente de política, como os métodos REINFORCE e Actor-Critic.

Use algoritmos de ponta

Você encontrará algoritmos poderosos de DRL comumente usados no setor atualmente, incluindo o Proximal Policy Optimization (PPO). Você ganhará experiência prática com as técnicas que impulsionam as inovações em robótica, IA de jogos e muito mais. Por fim, você aprenderá a otimizar seus modelos usando o Optuna para ajuste de hiperparâmetros. Ao final deste curso, você terá adquirido as habilidades para aplicar essas técnicas de ponta a problemas do mundo real e aproveitar todo o potencial do DRL!

Pré-requisitos

Intermediate Deep Learning with PyTorchReinforcement Learning with Gymnasium in Python
1

Introdução ao aprendizado por reforço profundo

Iniciar capítulo
2

Aprendizado Q profundo

Iniciar capítulo
3

Introdução aos métodos de gradiente de política

Iniciar capítulo
4

Otimização da política proximal e DRL Dicas

Iniciar capítulo
Aprendizado por reforço profundo em Python
Curso
Completo

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil, currículo ou currículo do LinkedIn
Compartilhe nas redes sociais e em sua avaliação de desempenho

Incluído comPremium or Teams

Inscreva-se agora

Junte-se a mais 15 milhões de alunos e comece Aprendizado por reforço profundo em Python hoje!

Crie sua conta gratuita

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.