(Inggris) Introduction to Reinforcement Learning: From Q-Learning to Deep RL

Pembelajaran penguatan (reinforcement learning) mendorong beberapa terobosan paling menarik dalam kecerdasan buatan, mulai dari agen yang bermain game hingga sistem pengambilan keputusan otonom. Kursus berbasis teks ini membawa Anda dari dasar-dasar matematika inti pembelajaran penguatan untuk mengimplementasikan algoritma RL dalam yang praktis. Anda akan mendapatkan pemahaman intuitif dan matematis yang kuat tentang bagaimana agen berinteraksi dengan lingkungan untuk memaksimalkan imbalan, mempersiapkan Anda untuk mengatasi tantangan kendali dan pengambilan keputusan di dunia nyata. Apa yang akan kau pelajari: - Mengerti konsep dasar RL, termasuk Markov Decision Processes, reward, dan value functions. - Implementasi metode tabel klasik seperti Q-learning dan SARSA menggunakan kode Python bersih. - Terapkan teknik pembelajaran mendalam ke RL dengan mengeksplorasi Deep Q-Networks dan metode gradien kebijakan. - Konfigurasi standar lingkungan simulasi untuk melatih dan mengevaluasi agen cerdas Anda. - Mengeksplorasi aplikasi modern pembelajaran penguatan, termasuk Pembelajaran Penguatan dari Tanggapan Manusia yang digunakan dalam model bahasa besar. Kursus ini dimulai dengan terminologi dasar dan kerangka matematika pengambilan keputusan sebelum memandu Anda melalui algoritma klasik dan arsitektur pembelajaran penguatan mendalam modern. Anda akan belajar dengan membaca penjelasan rinci, menganalisis implementasi kode langkah demi langkah, dan mempelajari kasus penggunaan praktis. Kursus ini dirancang untuk ilmuwan data, penggemar machine learning, dan pengembang perangkat lunak yang baru mengenal pembelajaran penguatan tetapi memiliki keakraban dasar dengan Python dan konsep machine learning umum. Mulai membangun sistem pintar, belajar sendiri hari ini.