Plan Szkolenia
Wprowadzenie
- Rozwiązywanie rzeczywistych problemów metodą prób i błędów
Zrozumienie adaptacyjnych systemów uczenia się i Artificial Intelligence (AI).
Jak agenci postrzegają stan
Jak nagrodzić agenta
Studium przypadku: Interakcja z odwiedzającymi witrynę
Przygotowanie środowiska dla agenta
Głębokie zanurzenie w algorytmach Reinforcement Learning
Metody oparte na wartości a metody oparte na polityce
Wybór modelu Reinforcement Learning
Korzystanie z algorytmu Q-Learning Model-Free Reinforcement Learning
Projektowanie agenta
Studium przypadku: Inteligentni asystenci
Połączenie agenta ze środowiskiem produkcyjnym
Pomiar wyników działań agentów
Rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Generalne zrozumienie uczenia ze wzmocnieniem
- Doświadczenie w uczeniu maszynowym
- Java doświadczenie w programowaniu
Publiczność
- Naukowcy danych
Opinie uczestników (3)
interaction through exercises and also projects sharing
Claudiu - MSG system
Szkolenie - Advanced Spring Boot
All to topic actually including API
RODULFO ALMEDA JR - DATAWORLD COMPUTER CENTER
Szkolenie - Introduction to JavaServer Faces
The breadth of the topis covered was quite a bit and the trainer tried to do justice to that.