Course Outline

Introductie

  • Echte problemen oplossen door middel van trial-and-error-interacties

Inzicht in adaptieve leersystemen en Artificial Intelligence (AI).

Hoe agenten de staat waarnemen

Hoe beloon je een agent?

Casestudy: interactie met websitebezoekers

De omgeving voorbereiden voor de agent

Diepe duik in Reinforcement Learning Algoritmen

Op waarde gebaseerde methoden versus op beleid gebaseerde methoden

Een Reinforcement Learning-model kiezen

Het Q-Learning modelvrije Reinforcement Learning-algoritme gebruiken

Het ontwerpen van de agent

Casestudy: Slimme assistenten

De agent koppelen aan een productieomgeving

Het meten van de resultaten van acties van agenten

Probleemoplossing

Samenvatting en conclusie

Requirements

  • Een algemeen begrip van versterkend leren
  • Ervaring met machinaal leren
  • Java programmeerervaring

Publiek

  • Datawetenschappers
  21 Hours

Getuigenissen (4)

Related Courses

Related Categories