Podstawy głębokiego uczenia się i uczenia wzmacniającego

Sztuczna inteligencja przekształca branże, ale mechanika sieci neuronowych i autonomiczne podejmowanie decyzji często wydają się czarną skrzynią.Ten kurs rozkłada te złożone systemy na czytelne, łatwe w zarządzaniu koncepcje zaprojektowane dla nowych osób w tej dziedzinie. Przejdziesz od znajomości podstawowego uczenia maszynowego do zrozumienia, w jaki sposób głębokie architektury przetwarzają złożone dane i jak uczenie się wzmacniające umożliwia agentom uczenie i doskonalenie poprzez interakcję środowiskową. Czego się nauczysz: - Zrozum matematyczne podstawy sieci neuronowych i proces propagacji wstecznej - Poznaj nowoczesne architektury, w tym warstwy zwojowe i podstawy modeli transformatorów - Zastosuj zasady uczenia się wzmacniającego do modelowania interakcji agent-środowisko - Poznaj mechanikę procesów decyzyjnych Markova i znaczenie funkcji nagrody - Opanuj podstawowe koncepcje Q-learningu i gradientów polityki w celu autonomicznego podejmowania decyzji - Ćwicz identyfikację odpowiednich struktur głębokiego uczenia się dla różnych wyzwań związanych z danymi Kurs zaczyna się od podstawowej terminologii i podstawowej historii sieci neuronowych, zanim przejdziemy do konkretnych architektur głębokiego uczenia się i logiki uczenia wzmacniającego.Będziesz postępować poprzez pisemne wyjaśnienia i ćwiczenia logiczne oparte na kodzie, które wzmacnia każdą koncepcję. Ten kurs jest przeznaczony dla początkujących, którzy chcą wyjść poza podstawową naukę o danych; nie jest wymagane wcześniejsze doświadczenie z głębokim uczeniem się lub uczenie się wzmacniającym.Rozpocznij podróż do podstawowych technologii napędzających dzisiejsze innowacje AI.