Schulungsübersicht

Einführung

Reinforcement Learning Grundlagen

Grundlegende Reinforcement Learning Techniken

Einführung in BURLAP

Konvergenz von Wert und Richtlinieniteration

Belohnungsgestaltung

Erkundung

Verallgemeinerung

Teilweise beobachtbare MDPs

Optionen

Logistik

TD Lambda

Politische Gefälle

Tiefes Q-Learning

Themen der Spieltheorie

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Kenntnisse in Python
  • Verständnis von Hochschulrechnung und linearer Algebra
  • Grundlegendes Verständnis von Wahrscheinlichkeitsrechnung und Statistics
  • Erfahrung in der Erstellung von Modellen für maschinelles Lernen in Python und Numpy

Publikum

  • Entwickler
  • Datenwissenschaftler
  21 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Kombinierte Kurse

Verwandte Kategorien