After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrierea cursului
Descoperă lumea învățării prin întărire
Pornește într-o explorare captivantă a Învățării prin Recompensă (RL), o ramură esențială a învățării automate. Acest curs interactiv te poartă într-o călătorie completă prin principiile de bază ale RL, unde vei stăpâni arta de a antrena agenți inteligenți, învățându-i să ia decizii strategice și să maximizeze recompensele.Stăpânește conceptele și instrumentele esențiale
Aventura ta începe cu o incursiune profundă în aspectele unice ale RL. Nu vei învăța doar conceptele fundamentale ale RL, ci vei aplica și algoritmi RL esențiali în scenarii practice folosind renumitul toolkit OpenAI Gym. Această abordare practică asigură o înțelegere temeinică a elementelor esențiale ale RL.Navighează prin strategii și aplicații avansate
Pe măsură ce călătoria ta se desfășoară, vei pătrunde în domeniul strategiilor avansate de RL pentru a descoperi subtilitățile metodelor Monte Carlo, ale învățării prin diferență temporală și ale Q-Learning. Stăpânind aceste tehnici în Python, vei deveni priceput în antrenarea agenților pentru o varietate de sarcini complexe.Transformă-ți învățarea în impact real în lumea reală
Încheind acest curs, vei dobândi o înțelegere profundă a teoriei RL, fiind echipat cu abilitățile necesare pentru a o aplica creativ în contexte reale. Vei fi pregătit să construiești modele RL în Python, deschizând o lume de posibilități în proiectele tale și în activitatea ta profesională.Cerințe prealabile
Curriculum
Structura cursului
1
Introducere în Reinforcement Learning
Descoperă lumea fascinantă a Reinforcement Learning (RL) explorând conceptele sale fundamentale, rolurile implicate și aplicațiile practice. Navighează prin cadrul RL și înțelege interacțiunea dintre agent și mediu. Vei învăța, de asemenea, cum să folosești biblioteca Gymnasium pentru a crea medii, a vizualiza stări și a efectua acțiuni, dobândind astfel o bază practică solidă în conceptele și aplicațiile RL.
- Fundamente ale învățării prin consolidare50 XP
- Ce este Reinforcement Learning?50 XP
- RL vs. alte sub-domenii ale ML100 XP
- Scenarii de aplicare a RL100 XP
- Navigating cadrul RL50 XP
- Bucla de interacțiune RL100 XP
- Sarcini RL episodice și continue100 XP
- Calcularea randamentelor actualizate pentru strategiile agentului100 XP
- Interacțiunea cu mediile Gymnasium50 XP
- Configurarea unui mediu Mountain Car100 XP
- Vizualizarea mediului Mountain Car100 XP
- Interacțiunea cu mediul Frozen Lake100 XP
2
Învățare bazată pe model
Aprofundează lumea RL cu focus pe învățarea bazată pe model. Descoperă complexitățile Proceselor de Decizie Markov (MDP) și înțelege componentele lor esențiale. Îți vei extinde abilitățile prin studiul politicilor și al funcțiilor de valoare. Vei dobândi expertiză în optimizarea politicilor folosind tehnicile de iterare a politicilor și iterare a valorilor.
3
Învățare fără model
Pornește într-o călătorie prin domeniul dinamic al învățării fără model în RL. Ia contact cu metodele Monte Carlo de bază și aplică algoritmii de predicție Monte Carlo cu prima vizită și cu toate vizitele. Treci apoi în lumea Temporal Difference Learning, explorând algoritmul SARSA. În final, aprofundează Q-Learning și analizează convergența sa în medii dificile.
4
Strategii avansate în RL fără model
Explorează strategii avansate în RL fără model, cu accent pe îmbunătățirea algoritmilor de luare a deciziilor. Învață despre Expected SARSA pentru actualizări mai precise ale politicilor și despre Double Q-learning pentru a reduce tendința de supraestimare. Descoperă compromisul explorare-exploatare, stăpânind strategiile epsilon-greedy și epsilon-decay pentru selectarea optimă a acțiunilor. Abordează problema Multi-Armed Bandit, aplicând strategii pentru a rezolva provocări de luare a deciziilor în condiții de incertitudine.
Reinforcement Learning cu Gymnasium în Python
Curs
finalizat
