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
  21 ore
 

Numero di Partecipanti


Data Inizio

Data Fine


Le date sono soggette a disponibilità e si svolgono tra le 09:30 e le 16:30.
I corsi di formazione pubblici richiedono più di 5 partecipanti.

Recensioni (4)

Corsi relativi

Categorie relative