Kursplan
Införandet
- Lösa verkliga problem genom trial-and-error-interaktioner
Förstå adaptiva inlärningssystem och Artificial Intelligence (AI).
Hur agenter uppfattar tillstånd
Hur man belönar en agent
Fallstudie: Interagera med webbplatsbesökare
Förbereda miljön för agenten
Djupdykning i Reinforcement Learning algoritmer
Värdebaserade metoder kontra policybaserade metoder
Välja en Reinforcement Learning modell
Använda Q-Learning Model-Free Reinforcement Learning algoritmen
Utforma agenten
Fallstudie: Smarta assistenter
Gränssnitt mellan agenten och en produktionsmiljö
Mäta resultaten av agentens åtgärder
Felsökning
Sammanfattning och slutsats
Krav
- En allmän förståelse för förstärkningsinlärning
- Erfarenhet av maskininlärning
- Java Erfarenhet av programmering
Publik
- Datavetare
Vittnesmål (4)
Att vi fick en komplex överblick även om sammanhanget - till exempel varför behöver vi vissa annoteringar och vad de betyder. Jag gillade den praktiska delen av träningen - att behöva köra kommandona manuellt och anropa resten av api:erna
Alina - ACCENTURE SERVICES S.R.L
Kurs - Quarkus for Developers
Machine Translated
the trainer can clearly explain the topic and can answer every question.
Hannah Mae Lubigan - Security Bank Corporation
Kurs - Advanced Spring Boot
All to topic actually including API
RODULFO ALMEDA JR - DATAWORLD COMPUTER CENTER
Kurs - Introduction to JavaServer Faces
The breadth of the topis covered was quite a bit and the trainer tried to do justice to that.