Asas Pembelajaran Pengukuhan untuk Ejen Bijaksana

Dalam dunia yang semakin didorong oleh sistem autonomi, memahami bagaimana mesin belajar untuk membuat keputusan optimum adalah kemahiran penting bagi mana-mana ahli AI yang bercita-cita. Kursus ini menyediakan asas yang kukuh dalam mekanik pembelajaran pengukuhan, mengubah konsep teori menjadi pemahaman praktikal bagaimana agen menavigasi persekitaran. Anda akan memperoleh pandangan komprehensif tentang bagaimana sistem belajar dari percubaan dan kesilapan untuk mencapai matlamat jangka panjang. Melalui penjelasan terperinci dan latihan konseptual, anda akan mengembangkan intuisi yang diperlukan untuk memodelkan masalah dunia sebenar sebagai tugas pembelajaran. Apa yang anda akan belajar: - Mengerti kerangka dasar agen, lingkungan, negara, dan hadiah. - Belajar mekanik Proses Keputusan Markov (MDPs) untuk memodelkan pembuatan keputusan berturut-turut. - Gunakan strategi penjelajahan dan eksploitasi untuk menyeimbangkan penemuan jalan baru dengan memaksimumkan ganjaran. - Latihan menyelesaikan masalah menggunakan nilai-berdasarkan dan kaedah berpandukan dasar. - Mengerti aplikasi modern pembelajaran penguat, termasuk penyesuaian melalui maklum balas manusia (RLHF). - Menganalisis cabaran assignment kredit dan ganjaran tertunda dalam sistem dinamik. Kurikulum bermula dengan terminologi asas dan asas matematik pembuatan keputusan sebelum bergerak ke pendekatan algoritma tertentu dan kes penggunaan industri moden. Kursus ini direka untuk pemula yang berminat dengan pembelajaran mesin dan sistem automatik, tidak memerlukan pengalaman sebelumnya dengan pembelajaran pengukuhan. Mulakan membina pemahaman anda tentang reka bentuk agen pintar hari ini.