Förstärkningsinlärning i Python

Uppdaterad 2026-05

Bemästra grunderna i förstärkningsinlärning (RL) för att skapa modeller som kan navigera i komplexa verkliga miljöer och träna LLM:er.

Beskrivning av inlärningsväg

Förstärkningsinlärning i Python

Bemästra grunderna i förstärkningsinlärning (RL) och upptäck hur du bygger modeller för att navigera komplexa miljöer som ofta finns inom robotik och videospel.Om du är ny inom förstärkningsinlärning eller vill specialisera dig på förstärkningsinlärning som en gren av maskininlärning, är detta en idealisk plats att börja.Du börjar med att lära dig grundläggande koncept inom förstärkningsinlärning, som Markov-beslutsprocesser, avvägningar mellan utforskning och exploatering samt dynamiska programmeringsalgoritmer. Du kommer att lära dig att tillämpa Q-learning, SARSA och andra metoder för att navigera bergskedjor och frusna sjöar från Gymnasium-biblioteket.Du kommer att kombinera djupinlärning och förstärkningsinlärning och upptäcka djup förstärkningsinlärning, som kan användas för att träna agenter att navigera i mycket komplexa miljöer med lite övervakning.På vägen kommer du att tillämpa dessa tekniker för att ta itu med verkliga projekt, inklusive att optimera taxirutter och simulering av aktiehandel.Med dessa verktyg för förstärkningsinlärning till hands är du redo att börja ta dig an en spännande ny tillämpning av förstärkningsinlärning: förstärkningsinlärning från mänsklig feedback (RLHF). RLHF kan användas för att förbättra LLM-utdata genom att träna på mänsklig feedback till dess svar.Börja din resa inom förstärkningsinlärning idag!

Förkunskapskrav

Det finns inga förkunskapskrav för den här inlärningsvägen

Course
1
Reinforcement Learning med Gymnasium i Python
Börja din resa inom förstärkningsinlärning! Lär dig hur agenter kan lära sig att lösa miljöer genom interaktioner.
Project
bonus
Taxi Route Optimization with Reinforcement Learning
Solve the Taxi-v3 environment using Q-learning, ensuring efficient AI-driven transportation.
Course
3
Djup förstärkningsinlärning i Python
Lär dig och använd kraftfulla Deep Reinforcement Learning-algoritmer, inklusive förfinings- och optimeringstekniker.
Project
bonus
Stock Trading Simulation with Gymnasium
Train a simple reinforcement learning agent in stock trading simulation.
Course
5
Reinforcement Learning from Human Feedback (RLHF)
Lär dig hur du får GenAI-modeller att verkligen spegla mänskliga värderingar samtidigt som du får praktisk erfarenhet av avancerade LLM:er.

Förstärkningsinlärning i Python

3 Kurser

Inlärningsväg
slutförd

Tjäna ett prestationsbevis

Lägg till det här beviset i din LinkedIn-profil, ditt CV eller din meritförteckning
Dela det i sociala medier och i din medarbetarutvärderingRegistrera dig nu

Förstärkningsinlärning i Python

Utbildar du ett team?

Beskrivning av inlärningsväg

Förstärkningsinlärning i Python

Förkunskapskrav

Reinforcement Learning med Gymnasium i Python

Taxi Route Optimization with Reinforcement Learning

Djup förstärkningsinlärning i Python

Stock Trading Simulation with Gymnasium

Reinforcement Learning from Human Feedback (RLHF)

Tjäna ett prestationsbevis

Gå med 19 miljoner lärande och börja Förstärkningsinlärning i Python idag!

Utveckla dina datakunskaper med DataCamp för mobilen

Beskrivning av inlärningsväg

Förstärkningsinlärning i Python

Tjäna ett prestationsbevis

Gå med .css-nklxlk{color:var(--wf-brand--main, #03EF62);}19 miljoner lärande och börja Förstärkningsinlärning i Python idag!

Skapa ditt kostnadsfria konto

Utveckla dina datakunskaper med DataCamp för mobilen

Gå med 19 miljoner lärande och börja Förstärkningsinlärning i Python idag!