Deep Reinforcement Learning mit Python

Dauer:
3 Tage
Zielgruppe:

Fachkräfte die sich professionell mit dem Thema Deep Learning /Maschine Learning beschäftigen wollen. Voraussetzungen: Python Kenntnisse, sowie erste Kenntnisse des maschinellen Lernens in Python

Deep Reinforcement Learning mit Python

Inhalte

Machine Learning: Überblick und Begriffsbestimmungen zur ML-Landschaft und deren Methoden

  • (Deep) Reinforcement Learning in der ML Landschaft
  • Warum ist (Deep) Reinforcement Learning so wichtig? Mögliche Anwendungsgebiete.
  • ML-Pipeline in Python
  • Voraussetzungen um (Deep) Reinforcement Learning (in Python) erfolgreich zu nutzen
  • Aufsetzen der Umgebung
  • Reinforcement Learning: Fundamentals
  • Was zeichnet Reinforcement Learning aus?

Reinforcement Learning: Deep Dive

  • Mathematische Beschreibung, Markov Entscheidungsprozess
  • Langzeitstrategien, “greediness”
  • Features selektieren, Dimensionen reduzieren
  • Zustandsraum zu groß? Deep Q-Learning (Verweis)
  • Q-Learning
  • Q-TabIes
  • Other Optimizations of Reinforcement Leaming
  • Die Bibliothek Gym, eine Einführung

Neural Networks/Deep Learning

  • Was ist ein Neuron? Was ist ein Neuronales Netz?
  • Welche Typen gibt es? Welche sind für RL relevant.
  • Deep Reinforcement Learning
  • Deep Q-leaming, Kombination aus DeepLearning und Q-Learning

Bestärkendes Lernen oder verstärkendes Lernen, Reinforcement Learning, ist ein Bereich des maschinellen Lernens, der sich damit beschäftigt, wie intelligente Agenten Aktionen in einer Umgebung ausführen sollten, um den Begriff der kumulativen Belohnung zu maximieren. Reinforcement Learning ist eines der drei grundlegenden Paradigmen des maschinellen Lernens, neben überwachtem Lernen und unüberwachtem Lernen.

Reinforcement Learning unterscheidet sich vom überwachten Lernen dadurch, dass keine gelabelten Eingabe/Ausgabe-Paare präsentiert werden müssen und dass suboptimale Aktionen nicht explizit korrigiert werden müssen. Stattdessen liegt der Fokus darauf, ein Gleichgewicht zwischen Exploration (von Neuland) und Ausnutzung (von aktuellem Wissen) zu finden. (Quelle: Wikipedia)

Empfehlung

Danke für Ihre Empfehlung

Kurs: Deep Reinforcement Learning mit Python

Close

Kurs Anfrage

Danke für Ihr Interesse an diesem Kurs. Sie erhalten in Kürze ein Angebot.

Kurs: Deep Reinforcement Learning mit Python

Close