Struttura del corso
Introduzione
- Risolvere i problemi del mondo reale attraverso interazioni per tentativi ed errori
Comprendere i sistemi di apprendimento adattivo e Artificial Intelligence (AI).
Come gli agenti percepiscono lo stato
Come premiare un agente
Caso di studio: Interazione con i visitatori del sito web
Preparazione dell'ambiente per l'agente
Approfondimento su Reinforcement Learning Algoritmi
Metodi basati su valori e metodi basati su criteri
Scelta di un modello Reinforcement Learning
Utilizzo dell'algoritmo Q-Learning Model-Free Reinforcement Learning
Progettazione dell'agente
Caso di studio: Assistenti intelligenti
Interfacciamento dell'agente a un ambiente di produzione
Misurazione dei risultati delle azioni degli agenti
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Una comprensione generale dell'apprendimento per rinforzo
- Esperienza con l'apprendimento automatico
- Java Esperienza di programmazione
Pubblico
- Scienziati dei dati
Recensioni (4)
All to topic actually including API
RODULFO ALMEDA JR - DATAWORLD COMPUTER CENTER
Corso - Introduction to JavaServer Faces
The contents and the exercises
Gangoso Kim Robert - Security Bank Corporation
Corso - Spring Boot for Beginners
interazione attraverso esercitazioni e condivisione di progetti
Claudiu - MSG system
Corso - Advanced Spring Boot
Traduzione automatica
The breadth of the topis covered was quite a bit and the trainer tried to do justice to that.