After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
Откройте для себя мир обучения с подкреплением
Отправьтесь в увлекательное путешествие в мир обучения с подкреплением (RL) — ключевого направления машинного обучения. Этот интерактивный курс проведет вас через всестороннее изучение основных принципов RL, где вы освоите искусство обучения интеллектуальных агентов, научите их принимать стратегические решения и максимизировать вознаграждение.Освойте ключевые концепции и инструменты
Ваше приключение начинается с глубокого погружения в уникальные аспекты RL. Вы не только изучите базовые концепции RL, но и примените ключевые алгоритмы RL к практическим сценариям с помощью известного набора инструментов OpenAI Gym. Практический подход обеспечивает глубокое понимание основ RL.Освойте продвинутые стратегии и практические применения
По мере того как ваше путешествие разворачивается, вы погрузитесь в мир продвинутых стратегий RL, чтобы открыть для себя тонкости методов Монте-Карло, обучения с временной разностью и Q-learning. Освоив эти техники в Python, вы сможете эффективно обучать агентов для решения самых разных сложных задач.Превратите обучение в реальный результат
Завершив этот курс, вы получите глубокое понимание теории RL и навыки творчески применять её в реальных условиях. Вы будете готовы создавать модели RL на Python, открывая для себя мир возможностей в своих проектах и профессиональной деятельности.Предварительные требования
Программа
Структура курса
1
Введение в обучение с подкреплением
Погрузитесь в увлекательный мир обучения с подкреплением (RL): изучите его базовые концепции, роли и области применения. Разберитесь в структуре RL и познакомьтесь с взаимодействием агента и среды. Вы также научитесь использовать библиотеку Gymnasium для создания сред, визуализации состояний и выполнения действий — и получите практическую основу для работы с RL.
- Основы обучения с подкреплением50 XP
- Что такое обучение с подкреплением?50 XP
- Обучение с подкреплением и другие направления машинного обучения100 XP
- Сценарии применения RL100 XP
- Навигация по структуре обучения с подкреплением50 XP
- Цикл взаимодействия в обучении с подкреплением100 XP
- Эпизодические и непрерывные задачи в обучении с подкреплением100 XP
- Вычисление дисконтированных доходов для стратегий агента100 XP
- Взаимодействие со средами Gymnasium50 XP
- Настройка среды Mountain Car100 XP
- Визуализация среды Mountain Car100 XP
- Взаимодействие со средой Frozen Lake100 XP
2
Обучение на основе модели
Углубитесь в обучение с подкреплением на основе модели. Разберитесь в устройстве марковских процессов принятия решений (MDP) и их ключевых компонентах. Расширьте свои навыки, изучив политики и функции ценности. Освойте оптимизацию политик с помощью методов итерации по политике и итерации по ценности.
3
Обучение без модели
Отправьтесь в путешествие по миру обучения без модели в RL. Познакомьтесь с методами Монте-Карло и примените алгоритмы предсказания по первому и каждому визиту. Затем перейдите к обучению с временными разностями и изучите алгоритм SARSA. Наконец, погрузитесь в Q-обучение и проанализируйте его сходимость в сложных средах.
4
Продвинутые стратегии в RL без модели
Изучите продвинутые стратегии RL без модели, направленные на улучшение алгоритмов принятия решений. Освойте ожидаемый SARSA для более точного обновления политик и двойное Q-обучение для снижения смещения в сторону переоценки. Исследуйте компромисс между исследованием и использованием, а также стратегии эпсилон-жадного выбора и убывания эпсилон. Решите задачу многорукого бандита, применив стратегии для принятия решений в условиях неопределённости.
Обучение с подкреплением с Gymnasium на Python
Курс
завершён
