Cơ sở của học sâu và học củng cố

Trí tuệ nhân tạo đang chuyển đổi các ngành công nghiệp, nhưng cơ chế đằng sau các mạng nơron và ra quyết định tự động thường giống như một hộp đen. Lớp học này phân chia các hệ thống phức tạp này thành các khái niệm dễ đọc, dễ quản lý được thiết kế cho những người mới vào lĩnh vực này. Bạn sẽ chuyển từ việc biết học máy cơ bản đến việc hiểu cách kiến trúc sâu xử lý dữ liệu phức tạp và cách học củng cố cho phép các tác nhân học và cải thiện thông qua tương tác môi trường. Bạn sẽ học được: - Hiểu được nền tảng toán học của mạng nơ-ron và quá trình truyền ngược - Tìm hiểu kiến trúc hiện đại bao gồm các lớp cuộn và các nguyên tắc cơ bản của mô hình biến đổi - Apply reinforcement learning principles to model agent-environment interactions - Học cơ học của quá trình quyết định Markov và ý nghĩa của các hàm thưởng - Giỏi các khái niệm cốt lõi của Q-learning và gradient chính sách cho việc ra quyết định tự chủ - Thực hành xác định cấu trúc học sâu đúng cho các thách thức dữ liệu khác nhau Chương trình bắt đầu với thuật ngữ cơ bản và lịch sử nền tảng của các mạng nơron trước khi chuyển sang kiến trúc học sâu cụ thể và logic học củng cố. Bạn sẽ tiến bộ qua các giải thích bằng văn bản và các bài tập logic dựa trên mã để củng cố mỗi khái niệm. Lớp học này được thiết kế cho người mới bắt đầu muốn vượt qua khoa học dữ liệu cơ bản; không cần kinh nghiệm trước đó với học sâu hoặc học củng cố. Bắt đầu hành trình của bạn vào các công nghệ cốt lõi dẫn dắt các đổi mới AI ngày nay.