menu
close
  Организации
избранное сравнение
Рейтинг организаций
избранное сравнение

Мы используем файлы cookie для обеспечения работоспособности сервиса, улучшения навигации и маркетинговых активностей Yolonce. Нажимая "Согласен", вы соглашаетесь с нашей Политикой конфиденциальности

Yolonce  
IT и программирование  
Искусственный интеллект  

Машинное обучение с подкреплением: обычное и глубокое

Машинное обучение с подкреплением: обычное и глубокое

  4.5
  Оставьте отзыв
  4 лекции
  Сложность

Пока неизвестно

  Длительность

30 ак.ч.

  Формат

онлайн

  Документ по выпуску

удостоверение о повышении квалификации государственного образца

Стоимость курса
45 500 ₽

Подробнее о курсе

Данный курс ориентирован на программистов, использующих Python или имеющих дело с машинным обучением, которые хотят более детально разбираться в возможностях RL. Основное внимание в курсе уделяется вопросам, которые возникают при работе с RL в реальной жизни, а также рассматриваются основные алгоритмы, которые лежат в основе новейших систем RL. Слушатели получат теоретические знания не только о RL, но и о машинном обучении в целом, а также возможность применить эти знания на практике. Начав с основ линейной алгебры, математического анализа и теории вероятностей, мы затем рассмотрим вопросы динамического программирования и марковские процессы, распространенные методы Q-обучения и его глубокие варианты, а также некоторые градиентные методы. В этом курсе мы стремимся дать исчерпывающий обзор данной темы, по крайней мере в отношении различных базовых методов, описанных в специальной литературе. Вторая половина курса посвящена исключительно RL с нейронными сетями, с подробным обсуждением современных исследований и разъяснение различных вариантов применения этого метода. Кроме того, обсуждаются практические инструменты (от Pytorch до Ray), которые слушатели смогут использовать в упражнениях.

Документ после выпуска

удостоверение о повышении квалификации государственного образца

Автор курса

IBS Training Center

Оценка и обучение ИТ-специалистов по ключевым направлениям разработки программного обеспечения. Курсы от экспертов-практиков по языкам программирования, системному и бизнес-анализу, архитектуре ПО, ручному и автоматизированному тестированию ПО, Big Data и машинному обучению, управлению проектами и Agile. Действует скидка 10% на обучение физических лиц.

Программа курса

  Часть I. Предыстория (5 ч 30 мин)

1. Линейная алгебра (30 мин) Обзор основных концепций. 2. Математический анализ (1 ч) Интегралы. Производные. Примеры. 3. Теория вероятностей (4 ч) Случайные величины. Функции плотности вероятности. Математическое ожидание. Условные, совместные и безусловные вероятности. Примеры. Практика.

  Часть II. Обзор (11 ч)

1. Введение в RL (4 ч) Марковские процессы принятия решений. Динамическое программирование с примером. Уравнение Беллмана. Оценка стратегии. Итерация по стратегиям. Итерация по ценностям. Примеры. Практика. 2. На основе модели и без модели (3 ч) Обучение и планирование. Детерминированное. Стохастическое. Аппроксимация линейной функции-значения. Сравнение и практика. 3. Алгоритмы (4 ч) Q-обучение. SARSA. Методы Исполнитель-критик. Градиент стратегии. Методы дерева Монте-Карло. Обучение и исполнение. Примеры. Практика.

  Часть III. RL + глубокое обучение (6 ч 30 мин)

1. Глубокое обучение с подкреплением (1,5 ч) Аппроксимация нелинейной функции. Прорыв DeepMind. Объяснение Alpha-Star. 2. Новейшие технологии в глубоком RL (3 ч) Память, внимание, рекурсия. Обратное RL. Обучение нескольких агентов. Иерархическое обучение. Развитие поощрений – AutoRL. Оптимизации стратегий. 3. Применения и использование (2 ч) Трейдинг. Понимание речи и вопросно-ответные системы (опционально). Балансировка нагрузки (опционально). Другие применения (опционально).

  Часть IV. Практические примеры и инструменты (7 ч)

1. Pytorch / Tensorflow (2 ч) Основы тензорного исчисления. Реализация алгоритма RL с нуля. Тестирование и визуализация. Практика. 2. Ray + RLlib (3 ч 30 мин) Основы тензорного исчисления. Реализация алгоритма RL с нуля. Тестирование и визуализация. Практика. 3. Визуализация и объяснимость (1 ч 30 мин) SMDP, AMDP, SAMDP. Проекция на 3D-пространство с помощью TSNE. Примеры.

Предварительные требования

Вузовская программа по математическому анализу, теории вероятностей, дискретной математике

Базовые знания в области машинного обучения

Понимание кода на языке Python

Оставьте отзыв

Напишите ваш коментарий, не менее 30 символов

Нажимая кнопку, вы даете согласие на обработку персональных данных

обновлено: 19.09.2024
IBS Training Center

Оставьте заявку

Наши консультанты ответят на все вопросы
И помогут в выборе

Комментарий ...

Нажимая кнопку, вы даете согласие на обработку персональных данных