Cursusaanbod
Introductie tot Reinforcement Learning en Agentic AI
- Besluitvorming onder onzekerheid en sequentiële planning
- Belangrijke componenten van RL: agenten, omgevingen, staten en beloningen
- De rol van RL in adaptieve en agentic AI-systemen
Markov Decision Processes (MDPs)
- Formele definitie en eigenschappen van MDPs
- Waardfuncties, Bellman-vergelijkingen en dynamisch programmeren
- Beleidsevaluatie, verbetering en iteratie
Model-Free Reinforcement Learning
- Monte Carlo en Temporal-Difference (TD) leren
- Q-learning en SARSA
- Praktijk: implementatie van tabulaire RL-methoden in Python
Deep Reinforcement Learning
- Combinatie van neurale netwerken met RL voor functieapproximatie
- Deep Q-Networks (DQN) en experience replay
- Actor-Critic-architecturen en beleidsgradiënten
- Praktijk: trainen van een agent met DQN en PPO using Stable-Baselines3
Verkenningstrategieën en Beloningsvormgeving
- Balans tussen verkenning en benutting (ε-greedy, UCB, entropiemethoden)
- Ontwerpen van beloningsfuncties en het vermijden van onbedoeld gedrag
- Beloningsvormgeving en curriculum learning
Gevorderde onderwerpen in RL en Besluitvorming
- Multi-agent reinforcement learning en coöperatieve strategieën
- Hiërarchisch reinforcement learning en het options-framework
- Offline RL en imitatieleer voor veiligere implementatie
Simulatie-omgevingen en Evaluatie
- Gebruik van OpenAI Gym en gepersonaliseerde omgevingen
- Continue vs. discrete actie-ruimtes
- Metrics voor agentenprestaties, stabiliteit en sample efficiency
Integratie van RL in Agentic AI-systemen
- Combinatie van redeneren en RL in hybride agentenarchitecturen
- Integratie van reinforcement learning met tool-gebruikende agenten
- Operationele overwegingen voor schalen en implementatie
Capstone Project
- Ontwerp en implementatie van een reinforcement learning agent voor een gesimuleerde taak
- Analyse van trainingsprestaties en optimalisatie van hyperparameters
- Demonstratie van adaptief gedrag en besluitvorming in een agentic context
Samenvatting en Volgende Stapen
Vereisten
- Goede beheersing van Python-programmeren
- Solid understanding van machine learning- en deep learning-concepten
- Kenmerkend kennis van lineaire algebra, kansrekening en basisoptimalisatiemethoden
Publiek
- Reinforcement learning engineers en toegepaste AI-onderzoekers
- Ontwikkelaars voor robotica en automatisering
- Engineeringteams die werken aan adaptieve en agentic AI-systemen
Aangepaste bedrijfsopleiding
Opleidingsoplossingen ontworpen exclusief voor bedrijven.
- Aangepaste inhoud: We passen de syllabus en praktijkopdrachten aan naar de echte doelen en behoeften van uw project.
- Voor flexibel schema: Datums en tijden aangepast aan het rooster van uw team.
- Formaat: Online (live), In-company (bij uw kantoren) of Hybride.
Prijs per privégroep, online live training, startend vanaf 6400 € + BTW*
Neem contact met ons op voor een exacte offerte en om onze laatste promoties te horen
Reviews (3)
De trainer is geduldig en zeer behulpzaam. Hij kent het onderwerp goed.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Cursus - Agentic AI for Business Automation: Use Cases & Integration
Automatisch vertaald
Goede mix van kennis en praktijk
Ion Mironescu - Facultatea S.A.I.A.P.M.
Cursus - Agentic AI for Enterprise Applications
Automatisch vertaald
De combinatie van theorie en praktijk, en van hoge- en lagenniveau perspectieven
Ion Mironescu - Facultatea S.A.I.A.P.M.
Cursus - Autonomous Decision-Making with Agentic AI
Automatisch vertaald
