Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan Szkolenia
Wprowadzenie
- Rozwiązywanie rzeczywistych problemów metodą prób i błędów
Zrozumienie adaptacyjnych systemów uczących się i Artificial Intelligence (AI).
Jak agenci postrzegają stan
Jak nagradzać agenta
Studium przypadku: Interakcja z odwiedzającymi stronę internetową
Przygotowanie środowiska dla agenta
Zagłębienie się w algorytmy Reinforcement Learning
Metody oparte na wartościach a metody oparte na zasadach
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 agenta
Rozwiązywanie problemów
Podsumowanie i wnioski
Wymagania
- Ogólne zrozumienie uczenia ze wzmocnieniem
- Doświadczenie w uczeniu maszynowym
- [Doświadczenie w programowaniu
Publiczność
- Naukowcy zajmujący się danymi
21 godzin
Opinie uczestników (4)
Otrzymaliśmy również kompleksowy przegląd kontekstu - na przykład dlaczego potrzebujemy niektórych adnotacji i co one oznaczają. Podobała mi się praktyczna część szkolenia - konieczność ręcznego uruchamiania poleceń i wywoływania pozostałych api.
Alina - ACCENTURE SERVICES S.R.L
Szkolenie - Quarkus for Developers
Przetłumaczone przez sztuczną inteligencję
the trainer can clearly explain the topic and can answer every question.
Hannah Mae Lubigan - Security Bank Corporation
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.
