Głębokie uczenie wzmacniające: wdrożenie agentów Deep Q z Papers

Ten kurs tekstowy prowadzi Cię przez tłumaczenie złożonej teorii algorytmicznej na czyste, działające implementacje Pythona.Ten kurs tekstowo-graficzny prowadzi cię przez proces tworzenia aplikacji Pythona, od podstaw do zaawansowanych. Będziesz rozwijać umiejętności czytania podstawowych dokumentów dotyczących głębokiego wzmacniania i budowania Deep Q-Networks (DQN), Double DQNs i Dueling DQn Naucząc się, jak wstępnie przetwarzać ramki środowiskowe i konfigurować hiperparametry agentów, będziesz trenować agentów zdolnych do rozwiązywania klasycznych środowisk kontrolnych i arkadowych. Czego się nauczysz: - Zrozum podstawy uczenia się wzmacniającego, w tym procesy decyzyjne Markova, równania Bellmana i strategie eksploracji i eksploatacji. - Wdrażaj Deep Q-Networks (DQN), Double DQN i Dueling DQn od podstaw za pomocą PyTorch. - Przetłumacz algorytmiczny pseudokod z podstawowych prac badawczych dotyczących głębokiego uczenia się wzmacniania na czysty kod Pythona. - Wstępne przetwarzanie danych wejściowych środowiska w Gimnazjum poprzez układanie klatek, skalowanie obrazów i przycinanie nagród w celu optymalizacji wydajności szkolenia. - Zastosuj podstawy głębokiego uczenia się w PyTorch, aby skonstruować architektury sieci neuronowych, które przybliżą funkcje wartości akcji. Kurs rozpoczyna się od podstawowych definicji uczenia się wzmacniającego i klasycznego Q-learningu, zanim przejdziesz do integracji głębokiego uczenia.Postępujesz od koncepcji teoretycznych do uporządkowanych przewodników po kodzie, które pokazują, jak stabilizować i trenować głó... [-] Ten kurs jest przeznaczony dla początkujących programistów AI, programistycznych i studentów, którzy chcą jasnego, krok po kroku wprowadzenia do głębokiego uczenia się bez wymagania wcześniejszego doświadczenia w tej dziedzinie. Zacznij czytać już dziś, aby wypełnić lukę między badaniami nad sztuczną inteligencją a jej praktycznym zastosowaniem.