Deep Reinforcement Learning mit 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