Depois de fazer esses cursos, sinto-me confiante para criar visualizações e painéis profissionais
Shoebur RahmanEspecialista em compras, Giz Bangladesh
Descrição do curso
Descubra o mundo do aprendizado por reforço
Comece uma exploração emocionante do Aprendizado por Reforço (RL), um ramo importante do machine learning. Este curso interativo leva você a uma jornada abrangente pelos princípios fundamentais da RL, onde você vai dominar a arte de treinar agentes inteligentes, ensinando-os a tomar decisões estratégicas e maximizar recompensas.Domine conceitos e ferramentas essenciais
Sua aventura começa com um mergulho profundo nos aspectos únicos do RL. Você não só vai aprender os conceitos básicos de RL, mas também aplicar os principais algoritmos de RL em cenários práticos usando o famoso kit de ferramentas OpenAI Gym. Essa abordagem prática garante uma compreensão completa dos fundamentos da RL.Navegue por estratégias e aplicações avançadas
À medida que sua jornada se desenrola, você vai se aventurar nos reinos das estratégias avançadas de RL para descobrir as complexidades dos métodos Monte Carlo, Aprendizado por Diferença Temporal e Aprendizado Q. Ao dominar essas técnicas em Python, você vai ficar craque em treinar agentes para várias tarefas complexas.Transforme seu aprendizado em impacto no mundo real
Ao terminar este curso, você vai sair com um entendimento profundo da teoria RL, pronto para usar suas habilidades de forma criativa em situações reais. Você vai estar pronto pra criar modelos RL em Python, abrindo um mundo de possibilidades nos seus projetos e empreendimentos profissionais.Pré-requisitos
Programa de estudos
Conteúdo do curso
1
Introdução ao Reinforcement Learning
Mergulhe no mundo do Reinforcement Learning (RL) explorando seus conceitos, papéis e aplicações fundamentais. Navegue pelo framework de RL, entendendo a interação agente-ambiente. Você também vai aprender a usar a biblioteca Gymnasium para criar ambientes, visualizar estados e executar ações, construindo uma base prática em conceitos e aplicações de RL.
- Fundamentos de reinforcement learning50 XP
- O que é Reinforcement Learning?50 XP
- RL vs. outros subdomínios de ML100 XP
- Cenários para aplicar RL100 XP
- Navegando pelo framework de RL50 XP
- Loop de interação em RL100 XP
- Tarefas de RL episódicas e contínuas100 XP
- Calculando retornos descontados para estratégias do agente100 XP
- Interagindo com ambientes do Gymnasium50 XP
- Configurando um ambiente Mountain Car100 XP
- Visualizando o ambiente Mountain Car100 XP
- Interagindo com o ambiente Frozen Lake100 XP
2
Aprendizado baseado em modelo
Aprofunde-se no mundo de RL com foco no aprendizado baseado em modelo. Desvende as complexidades dos Processos de Decisão de Markov (MDPs), entendendo seus componentes essenciais. Aprimore seu conjunto de habilidades aprendendo sobre políticas e funções de valor. Ganhe domínio em otimização de políticas com as técnicas de iteração de política e iteração de valor.
3
Aprendizado livre de modelo
Embarque em uma jornada pelo dinâmico universo do aprendizado livre de modelo em RL. Conheça os métodos fundamentais de Monte Carlo e aplique os algoritmos de predição Monte Carlo de primeira visita e de todas as visitas. Em seguida, avance para o mundo do Aprendizado por Diferença Temporal, explorando o algoritmo SARSA. Por fim, mergulhe no Q-Learning e analise sua convergência em ambientes desafiadores.
4
Estratégias avançadas em RL livre de modelo
Mergulhe em estratégias avançadas em RL livre de modelo, com foco em aprimorar algoritmos de tomada de decisão. Aprenda sobre Expected SARSA para atualizações de política mais precisas e Double Q-learning para reduzir o viés de superestimação. Explore o equilíbrio entre exploração e exploração, dominando as estratégias epsilon-greedy e epsilon-decay para seleção de ações ideal. Enfrente o problema do bandido de múltiplos braços, aplicando estratégias para resolver desafios de decisão sob incerteza.
Reinforcement Learning com Gymnasium em Python
Curso
concluído
