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 algoritm

Utforma agenten

Fallstudie: Smarta assistenter

Gränssnitt mellan agenten och en produktionsmiljö

Mäta resultaten av agentåtgärder

Felsökning

Sammanfattning och slutsats

Krav

  • En allmän förståelse för förstärkningsinlärning
  • Erfarenhet av maskininlärning
  • Java programmeringserfarenhet

Publik

  • Dataforskare
  21 timmar
 

Antal deltagare


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Vittnesmål (4)

Relaterade Kurser

Relaterade Kategorier