Kursplan

Införandet

  • Lärande genom positiv förstärkning

Elements av Reinforcement Learning

Viktiga villkor (Åtgärder, Tillstånd, Belöningar, Policy, Värde, Q-Värde, etc.)

Översikt över metoder för tabelllösningar

Skapa en programvaruagent

Förstå värdebaserade, policybaserade och modellbaserade tillvägagångssätt

Att arbeta med Markovs beslutsprocess (MDP)

Hur principer definierar en agents sätt att bete sig

Använda Monte Carlo-metoder

Inlärning med temporala skillnader

n-steg Bootstrapping

Approximativa lösningsmetoder

Förutsägelse på principen med approximation

Kontroll på policy med approximation

Off-policy Metoder med approximation

Förstå berättigandespårningar

Använda metoder för principgradient

Sammanfattning och slutsats

Krav

  • Erfarenhet av maskininlärning
  • Programming Erfarenhet

Publik

  • Datavetare
 21 timmar

Antal deltagare


Price per participant

Open Training Courses require 5+ participants.

Upcoming Courses

Relaterade Kurser

Deep Reinforcement Learning with Python

 21 timmar

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare och datavetare som vill lära sig grunderna i Deep Reinforcement Learning när de går igenom skapandet av en Deep Learning Agent.

I slutet av denna utbildning kommer deltagarna att kunna:

  • Förstå nyckelbegreppen bakom Deep Reinforcement Learning och kunna skilja det från Machine Learning.
  • Använd avancerade Reinforcement Learning algoritmer för att lösa verkliga problem.
  • Bygg en Deep Learning Agent.
LÄS MER...

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

 21 timmar

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare på mellannivå som vill få en omfattande förståelse och praktiska färdigheter i både Large Language Models (LLMs) och Reinforcement Learning (RL).

I slutet av denna utbildning kommer deltagarna att kunna:

  • Förstå transformatormodellernas komponenter och funktioner.
  • Optimera och finjustera LLM:er för specifika uppgifter och applikationer.
  • Förstå de grundläggande principerna och metoderna för förstärkningsinlärning.
  • Lär dig hur tekniker för förstärkningsinlärning kan förbättra LLM:s prestanda.
LÄS MER...

Reinforcement Learning with Google Colab

 28 timmar

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till yrkesverksamma på avancerad nivå som vill fördjupa sin förståelse för förstärkningsinlärning och dess praktiska tillämpningar inom AI-utveckling med hjälp av Google Colab.

I slutet av denna utbildning kommer deltagarna att kunna:

  • Förstå de grundläggande begreppen för algoritmer för förstärkt inlärning.
  • Implementera modeller för förstärkt inlärning med hjälp av TensorFlow och OpenAI Gym.
  • Utveckla intelligenta agenter som lär sig genom att prova sig fram.
  • Optimera agenternas prestanda med hjälp av avancerade tekniker som Q-learning och djupa Q-nätverk (DQN).
  • Träna agenter i simulerade miljöer med hjälp av OpenAI Gym.
  • Distribuera modeller för förstärkt inlärning för verkliga program.
LÄS MER...

Reinforcement Learning with Java

 21 timmar

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare som vill skapa och distribuera ett Reinforcement Learning-system som kan fatta beslut och lösa verkliga problem inom en organisation.

I slutet av denna utbildning kommer deltagarna att kunna:

  • Förstå sambanden och skillnaderna  mellan Reinforcement Learning och maskininlärning, djupinlärning, övervakad och oövervakad inlärning.
  • Analysera ett verkligt problem och omdefiniera det som Reinforcement Learning problem.
  • Implementera en lösning på ett verkligt problem med hjälp av Reinforcement Learning.
  • Förstå de olika algoritmerna som finns tillgängliga i Reinforcement Learning och välj den som passar bäst för det aktuella problemet.
LÄS MER...