(Inggris) Deep Reinforcement Learning: Implementing Research Papers in PyTorch and TensorFlow

Mengisi kesenjangan antara makalah penelitian akademis dan kode praktis adalah salah satu keterampilan yang paling berharga dalam kecerdasan buatan modern. Kursus ini memandu Anda melalui proses membaca, memahami, dan menerapkan algoritma pembelajaran penguatan yang canggih dari awal, mengubah konsep matematika abstrak menjadi agen yang bekerja. Anda akan beralih dari prinsip dasar pengambilan keputusan ke implementasi algoritma state-of-the-art yang digunakan dalam robotika dan sistem otonom. Pada akhir kursus ini, Anda akan dapat menafsirkan kertas teknis dan membangun agen yang kuat menggunakan kerangka kerja pembelajaran mendalam terkemuka di industri. Apa yang akan kau pelajari: - Mengerti konsep dasar seperti Markov Decision Processes, Bellman Equation, dan Temporal Difference learning. - Implementasi algoritma inti termasuk Q-Learning dan Kebijakan Gradient metode dari deskripsi tertulis. - Menguasai arsitektur Aktor-Kritik canggih seperti DDPG, TD3, dan Soft Aktor Kritik (SAC). - Terapkan pembelajaran penguatan untuk ruang aksi terus-menerus yang penting untuk kontrol robotik modern. - Translate rumus matematika dari kertas penelitian ke bersih, modular PyTorch dan kode TensorFlow. - Praktik debugging dan tuning agen dalam lingkungan simulasi standar modern seperti Gymnasium. - Terapkan praktik Python modern, termasuk tip dan lingkungan vektor, untuk meningkatkan kinerja agen. Kursus ini dimulai dengan pengenalan menyeluruh ke terminologi pembelajaran penguatan dan algoritma klasik sebelum maju ke implementasi pembelajaran mendalam modern. Anda akan membaca penjelasan rinci dari arsitektur agen dan mengikuti struktur walkthrough tertulis untuk membangun setiap sistem dari dasar, memastikan pemahaman mendalam dari logika dasar. Kursus ini dirancang untuk pemula di bidang pembelajaran penguatan yang memiliki pemahaman dasar Python dan siap untuk mengatasi tantangan AI yang lebih kompleks. Tidak diperlukan pengalaman sebelumnya dengan makalah penelitian. Mulailah membangun agen AI berperforma tinggi melalui kekuatan implementasi penelitian.