Học tập dựa trên mẫu để học tập củng cố

Việc xây dựng các hệ thống thông minh thường đòi hỏi phải học từ kinh nghiệm khi không có mô hình hoàn hảo của thế giới. Chương trình này giới thiệu cho bạn về các thuật toán cốt lõi cho phép các tác nhân cải thiện việc ra quyết định của họ qua tương tác trực tiếp và phản hồi. Bạn sẽ chuyển từ việc hiểu các vòng lặp môi trường tác nhân cơ bản sang việc thực hiện các chiến lược phức tạp để giải quyết các nhiệm vụ phức hợp mà không cần phải biết trước về động lực học môi trường. Cuối khóa học này, bạn sẽ có thể thiết kế các hệ thống học từ những thành công và thất bại của chính chúng. Bạn sẽ học được: - Hiểu các khái niệm cơ bản của các quốc gia, hành động và phần thưởng trong các hệ thống học tập. - Thực hiện các phương pháp Monte Carlo để đánh giá và cải thiện các chính sách dựa trên kinh nghiệm. - Học kỹ thuật thời gian khác biệt, bao gồm cả cơ chế học Q và SARSA. - Ứng dụng chiến lược khai thác-thăm dò để cân bằng việc khám phá con đường mới với tối đa hóa phần thưởng. - Thực hành ước tính hàm giá trị để dự đoán kết quả dài hạn trong các thiết lập động. - Tìm hiểu các cơ sở xấp xỉ hàm hiện đại để giúp các phương pháp học tập tăng lên các vấn đề lớn hơn. Chương trình này bắt đầu với thuật ngữ cơ bản và nền tảng toán học của học bổ sung trước khi tiến tới các ứng dụng thuật toán thực tế qua các giải thích bằng văn bản và ví dụ mã. Chương này được thiết kế cho người mới bắt đầu muốn có một nền móng khái niệm và thực tế vững chắc về cách máy học từ kinh nghiệm. Bắt đầu hành trình của bạn vào học tự động và bắt đầu xây dựng các nhân viên thích nghi với thế giới xung quanh họ.