課程簡介

介紹

  • 通過正強化學習

Elements 的 Reinforcement Learning

重要術語（操作、狀態、獎勵、政策、價值、Q 值等）

表格解決方案方法概述

創建 Software Agent

瞭解基於價值、基於策略和基於模型的方法

使用 Markov 決策過程 （MDP）

策略如何定義代理的行為方式

使用 Monte Carlo 方法

時間差異學習

n 步 Bootstrapping

近似求解方法

使用近似值進行策略預測

使用近似的策略控制

使用近似的非策略方法

了解資格跟蹤

使用策略梯度方法

總結和結論

最低要求

  • 機器學習經驗
  • Programming 經驗

觀眾

  • 數據科學家
 21 時間：

需要幫助選擇合適的課程嗎？

相關課程

Deep Reinforcement Learning with Python

 21 時間：

This instructor-led, live training in 澳門 (online or onsite) is aimed at developers and data scientists who wish to learn the fundamentals of Deep Reinforcement Learning as they step through the creation of a Deep Learning Agent.

By the end of this training, participants will be able to:

  • Understand the key concepts behind Deep Reinforcement Learning and be able to distinguish it from Machine Learning.
  • Apply advanced Reinforcement Learning algorithms to solve real-world problems.
  • Build a Deep Learning Agent.
更多...

Large Language Models (LLMs) and Reinforcement Learning (RL)

 21 時間：

這種以講師為主導的 澳門（在線或現場）現場培訓面向希望獲得 Large Language Models (LLMs) 和 Reinforcement Learning （RL） 全面理解和實踐技能的中級數據科學家。

在培訓結束時，參與者將能夠：

  • 瞭解變壓器模型的元件和功能。
  • 針對特定任務和應用程式優化和微調 LLM。
  • 瞭解強化學習的核心原則和方法。
  • 瞭解強化學習技術如何提高 LLM 的性能。
更多...

Reinforcement Learning with Google Colab

 28 時間：

這種由 澳門 的講師指導式現場培訓（在線或現場）面向希望使用 Google Colab 加深對強化學習及其在 AI 開發中實際應用的理解的高級專業人士。

在本次培訓結束時，參與者將能夠：

  • 瞭解強化學習演算法的核心概念。
  • 使用 TensorFlow 和 OpenAI Gym 實現強化學習模型。
  • 開發通過反覆試驗學習的智慧代理。
  • 使用 Q 學習和深度 Q 網路 （DQN） 等高級技術優化代理的性能。
  • 使用 OpenAI Gym 在模擬環境中訓練代理。
  • 為實際應用程式部署強化學習模型。
更多...

課程分類

Image for the Reinforcement Learning
Reinforcement Learning