Plan du cours

Introduction à Reinforcement Learning

  • Aperçu de l'apprentissage par renforcement et de ses applications
  • Différences entre l'apprentissage supervisé, non supervisé et par renforcement
  • Concepts clés : agent, environnement, récompenses et politique

Processus de décision de Markov (PDM)

  • Comprendre les états, les actions, les récompenses et les transitions d'état
  • Fonctions de valeur et équation de Bellman
  • Programmation dynamique pour résoudre les PDM

Algorithmes RL de base

  • Méthodes tabulaires : Q-Learning et SARSA
  • Méthodes basées sur la politique : Algorithme REINFORCE
  • Cadres de critique d'acteur et leurs applications

Profonds Reinforcement Learning

  • Introduction aux réseaux Q profonds (DQN)
  • Reprise d'expérience et réseaux cibles
  • Gradients de politique et méthodes avancées de RL profond

Cadres et outils de RL

  • Introduction à OpenAI Gym et à d'autres environnements RL
  • Utilisation de PyTorch ou TensorFlow pour le développement de modèles RL
  • Entraînement, test et évaluation des agents RL

Les défis du RL

  • Équilibrer l'exploration et l'exploitation dans la formation
  • Traiter les récompenses éparses et les problèmes d'attribution de crédits
  • [Défis en matière de flexibilité et de calcul dans le domaine de la logique des relations interpersonnelles

Travaux pratiques Activiti

  • Mise en œuvre des algorithmes Q-Learning et SARSA à partir de zéro
  • Formation d'un agent basé sur le DQN pour jouer à un jeu simple en OpenAI Gym
  • Ajustement des modèles RL pour améliorer les performances dans des environnements personnalisés

Résumé et prochaines étapes

Pré requis

  • Forte compréhension des principes et algorithmes d'apprentissage automatique
  • Maîtrise de la programmation Python.
  • Familiarité avec les réseaux neuronaux et les cadres d'apprentissage profond.

Audience

  • Ingénieurs en apprentissage automatique
  • Spécialistes de l'IA
 14 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires