Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в обучението с подкрепление
- Преглед на обучението с подкрепление и неговите приложения
- Разлики между надзирателно, ненадзирателно и обучение с подкрепление
- Ключови концепции: агент, среда, награди и политика
Марковови верижни процеси с решения (MDPs)
- Разбиране на състоянията, действията, наградите и преходите между състояния
- Функции на стойността и уравнението на Белман
- Динамично програмиране за решаване на MDPs
Основни RL алгоритми
- Таблични методи: Q-Learning и SARSA
- Методи, базирани на политика: алгоритъм REINFORCE
- Фреймуърки Actor-Critic и техните приложения
Дълбоко обучение с подкрепление
- Въведение в Deep Q-Networks (DQN)
- Възпроизвеждане на опита и целеви мрежи
- Градиенти на политиката и напреднали методи за дълбоко RL
Фреймуърки и инструменти за RL
- Въведение в OpenAI Gym и други RL среди
- Използване на PyTorch или TensorFlow за разработка на RL модели
- Обучение, тестване и бенчмаркиране на RL агенти
Предизвикателства в RL
- Балансиране между разследване и експлоатация при обучението
- Работа с разредени награди и проблеми с присвояването на заслуги (credit assignment)
- Масшабируемост и изчислителни предизвикателства в RL
Практически дейности
- Имплементация на алгоритмите Q-Learning и SARSA от нулата
- Обучение на агент, базиран на DQN, за игра на проста игра в OpenAI Gym
- Финализиране (fine-tuning) на RL модели за подобрена производителност в персонализирани среди
Обобщение и следващи стъпки
Изисквания
- Твърдо разбиране на принципите и алгоритмите на машинното обучение
- Овладено програмиране на Python
- Знакомство с невронните мрежи и фреймуърките за дълбоко обучение
Одитория
- Инженери по машинно обучение
- Специалисти по AI
14 Часа
