ข้ามไปยังเนื้อหาหลัก
หน้าหลักPython

แทร็ก

การเรียนรู้แบบเสริมกำลัง ใน Python

อัปเดตแล้ว 05/2569
เชี่ยวชาญพื้นฐานของการเรียนรู้แบบเสริมกำลัง (RL) เพื่อสร้างโมเดลที่สามารถนำทางสภาพแวดล้อมจริงที่ซับซ้อนและฝึก LLMs ได้
เริ่มเรียน Track ฟรี
PythonMachine Learning
12 ชม.
4,336

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Googleแสดงตัวเลือกเพิ่มเติม

หรือ

การดำเนินการต่อหมายความว่าคุณยอมรับข้อกำหนดการใช้งาน และนโยบายความเป็นส่วนตัวของเรา รวมถึงการจัดเก็บข้อมูลของคุณในสหรัฐอเมริกา

เป็นที่รักของผู้เรียนในบริษัทหลายพันแห่ง

Group

กำลังฝึกอบรมทีม?

ลองใช้สำหรับธุรกิจ

คำอธิบายเส้นทางการเรียน

การเรียนรู้แบบเสริมกำลัง ใน Python

เชี่ยวชาญพื้นฐานของการเรียนรู้แบบเสริมกำลัง (RL) และค้นพบวิธีสร้างโมเดลเพื่อรับมือกับสภาพแวดล้อมที่ซับซ้อนซึ่งมักพบในหุ่นยนต์และวิดีโอเกมหากคุณเพิ่งเริ่มต้นกับการเรียนรู้แบบเสริมแรง หรืออยากเชี่ยวชาญการเรียนรู้แบบเสริมแรงในฐานะสาขาหนึ่งของการเรียนรู้ของเครื่อง นี่คือจุดเริ่มต้นที่เหมาะอย่างยิ่งคุณจะเริ่มต้นด้วยการเรียนรู้แนวคิดหลักของการเรียนรู้แบบเสริมกำลัง เช่น กระบวนการตัดสินใจแบบมาร์คอฟ การแลกเปลี่ยนระหว่างการสำรวจ/การใช้ประโยชน์ และอัลกอริทึมการโปรแกรมแบบไดนามิก คุณจะได้เรียนรู้การประยุกต์ใช้ Q-learning, SARSA และวิธีการอื่นๆ เพื่อสำรวจเทือกเขาและทะเลสาบน้ำแข็งจากไลบรารี Gymnasiumคุณจะผสานการเรียนรู้เชิงลึกและการเรียนรู้แบบเสริมกำลัง และค้นพบการเรียนรู้เชิงลึกแบบเสริมกำลัง ซึ่งสามารถใช้ฝึกเอเจนต์ให้สำรวจสภาพแวดล้อมที่ซับซ้อนมากได้ด้วยการกำกับดูแลเพียงเล็กน้อยระหว่างทาง คุณจะนำเทคนิคเหล่านี้ไปใช้แก้โจทย์โปรเจกต์จริง รวมถึงการปรับเส้นทางแท็กซี่ให้เหมาะสมและการจำลองการซื้อขายหุ้นด้วยเครื่องมือการเรียนรู้แบบเสริมกำลังเหล่านี้อยู่ในมือ คุณก็พร้อมที่จะเริ่มรับมือกับการประยุกต์ใช้การเรียนรู้แบบเสริมกำลังรูปแบบใหม่ที่น่าตื่นเต้น: การเรียนรู้แบบเสริมกำลังจากข้อเสนอแนะของมนุษย์ (RLHF) RLHF สามารถใช้เพื่อปรับปรุงผลลัพธ์ของ LLM ได้โดยการฝึกจากข้อเสนอแนะของมนุษย์ต่อการตอบสนองของมันเริ่มต้นเส้นทางการเรียนรู้แบบเสริมกำลังของคุณวันนี้!

ข้อกำหนดเบื้องต้น

ไม่มีข้อกำหนดเบื้องต้นสำหรับเส้นทางการเรียนนี้

  • Course

    1

    Reinforcement Learning with Gymnasium ใน Python

    เริ่มต้นเส้นทางการเรียนรู้ reinforcement learning ของคุณ! เรียนรู้ว่าเอเจนต์สามารถเรียนรู้การแก้ปัญหาสภาพแวดล้อมผ่านการโต้ตอบได้อย่างไร

  • Project

    โบนัส

    Taxi Route Optimization with Reinforcement Learning

    Solve the Taxi-v3 environment using Q-learning, ensuring efficient AI-driven transportation.

  • Course

    3

    Deep Reinforcement Learning ด้วย Python

    เรียนรู้และใช้ขั้นตอนวิธี Deep Reinforcement Learning อันทรงพลัง รวมถึงเทคนิคการปรับแต่งและการเพิ่มประสิทธิภาพ

  • Course

    5

    Reinforcement Learning from Human Feedback (RLHF)

    เรียนรู้วิธีทำให้โมเดล GenAI สะท้อนคุณค่าของมนุษย์อย่างแท้จริง พร้อมลงมือใช้ LLM ขั้นสูงจริงๆ

การเรียนรู้แบบเสริมกำลัง ใน Python
3 คอร์ส
เรียนจบ
Track

รับใบรับรองความสำเร็จ

เพิ่มใบรับรองนี้ไปยังโปรไฟล์ LinkedIn เรซูเม่ หรือ CV ของคุณ
แชร์บน social media และในการรีวิวผลการปฏิบัติงานของคุณลงทะเบียนทันที

ร่วมกับผู้เรียนกว่า 19 ล้านคนและเริ่มต้น การเรียนรู้แบบเสริมกำลัง ใน Python วันนี้!

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Googleแสดงตัวเลือกเพิ่มเติม

หรือ

การดำเนินการต่อหมายความว่าคุณยอมรับข้อกำหนดการใช้งาน และนโยบายความเป็นส่วนตัวของเรา รวมถึงการจัดเก็บข้อมูลของคุณในสหรัฐอเมริกา

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา

Download on the App StoreGet it on Google Play