AI Reinforcement Learning - eLearning
4.950,00 NOK
- 30 timer
Ta steget inn i fremtiden for kunstig intelligens med kurset i forsterkningslæring, der maskiner lærer ved å samhandle, tilpasse seg og forbedre seg gjennom erfaring. Dette kurset introduserer deg for en av de mest kraftfulle grenene innen maskinlæring, brukt i robotikk, spill‑AI, anbefalingssystemer og autonom beslutningstaking.
Nøkkelfunksjoner
Språk
Kurs og materiell på engelsk
Nivå
Nybegynner - avansert nivå
Tilgang
1 års tilgang til læringsplattformen
9 timer med videoer på forespørsel
med over 30 timer anbefalt studietid
30 veiledede praktiske øvelser
8 automatisk vurderte prøver
46 repetisjonsquizer
2 omfattende oppgaver
Sertifikat
Sertifikat for fullført program inkludert
Læringsutbytte
Ved slutten av dette kurset vil du kunne forstå:
Grunnleggende
Behersk grunnleggende prinsipper i multi-agent forsterkningslæring (RL)
Kjerneparadigmer
Utforsk de tre grunnleggende paradigmer innen maskinlæring
Balanse
Forstå balansen mellom utforskning og utnyttelse
Tabular-Q
Lær tabellarisk Q-læring og dyp Q-læring
RLib
Tren flere agenter med RLib
Markov
Få en forståelse av Markov-kjeder og beslutningsprosesser
Kursplan
Introduksjon til forsterkningslæring
Leksjon 01
- Tre paradigmer for maskinlæring
- RL suksesshistorier
- Elementer i et RL-problem
- Introduksjon til treningssenteret
- Trene din første RL-agent med RLlib
Enkeltstegs RL: flerarmede banditter
Leksjon 02
- Multiarmet banditt-innstilling
- Utforsknings–utnyttelsesavveining
- Grunnleggende tilnærminger til å avveie utforskning og utnyttelse
- Avanserte tilnærminger for å balansere utforskning og utnyttelse
- Introduksjon til kontekstuelle bandittproblemer
- Et praktisk eksempel på kontekstuelle banditter
- Dype kontekstuelle banditter
- Utforskning med dype kontekstuelle banditter
- Et praktisk eksempel med dype kontekstuelle banditter
Flertrinns forsterkningslæring
Leksjon 03
- Introduksjon til Markov-kjeder
- Markov-belønningsprosess
- Markov beslutningsprosess
- Policy-evaluering og -iterasjon
- Tabellarisk Q-læring
- Praktisk eksempel på tabellarisk Q-læring
- Dyp Q-læring
- Bruke RLlib til å trene et Deep Q-nettverk
- Policy-baserte metoder
- Bruke RLib til å trene en PPO-agent
Tilnærminger for forsterkningslæring i virkelige miljøer
Leksjon 04
- Håndtering av sparsomme belønninger og krevende utforskning
- Implementer belønningsforming
- Ulemper ved belønningsforming
- Bruke hukommelse for å håndtere delvis observabilitet
- Løse stateless Cartpole med LSTM
- Å overvinne sim-til-virkelighet-gapet
- Introduksjon til multiagent forsterkningslæring
- Trening av flere agenter med RLib
- Fleragents forsterkningslæring
- Frakoblet forsterkningslæring
- Konklusjon og andre avanserte emner
Hvem bør melde seg på dette programmet?
Ambisiøse AI- og maskinlæringsingeniører
Datascientister som ønsker å utvide til forsterkningslæring
Programvareutviklere som er interessert i intelligente systemer og automatisering
Robotikk- og spillutviklingsentusiaster
Studenter og fagpersoner som utforsker avanserte KI-konsepter
For alle som er nysgjerrige på hvordan KI lærer gjennom prøving og feiling
Forutsetninger
- Grunnleggende forståelse av kjerne-Java-programmering
- Kjennskap til objektorienterte programmeringskonsepter (OOP)
- Grunnleggende kunnskap om bruk av et IDE (f.eks. Eclipse eller Spring Tool Suite)
- Generell forståelse av hvordan webapplikasjoner fungerer er nyttig, men ikke nødvendig
Uttalelser
Lisensiering og akkreditering
Dette kurset tilbys i henhold til Partnerprogramavtalen og oppfyller kravene i lisensavtalen
Likestillingspolicy
Kandidater oppfordres til å ta kontakt med AVC for veiledning og støtte gjennom hele tilretteleggingsprosessen.
Ofte stilte spørsmål
Trenger du en skreddersydd bedriftsintern opplæring eller gruppeopplæring?
Be om et bedriftsinternt opplæringsprogram som er skreddersydd spesielt for teamet ditt. Vi tilbyr fleksible tilpasningsmuligheter i tråd med forretningsmålene dine, samt konkurransedyktige gruppepriser for større team. Fyll ut skjemaet nedenfor, så utformer ekspertene våre innen bedriftsopplæring den perfekte løsningen for deg.