Kaedah Pembelajaran Berasaskan Sampel untuk Pembelajaran Pengukuhan

Membina sistem pintar sering memerlukan pembelajaran daripada pengalaman apabila model dunia yang sempurna tidak tersedia. Kursus ini memperkenalkan anda kepada algoritma teras yang membolehkan ejen meningkatkan pembuatan keputusan mereka melalui interaksi dan maklum balas langsung. Anda akan beralih daripada memahami gelung asas ejen-persekitaran kepada melaksanakan strategi canggih yang menyelesaikan tugas kompleks tanpa pengetahuan terdahulu tentang dinamik persekitaran. Menjelang akhir kursus ini, anda akan dapat mereka bentuk sistem yang belajar daripada kejayaan dan kegagalan mereka sendiri. Apa yang anda akan pelajari: - Memahami konsep asas keadaan (states), tindakan (actions), dan ganjaran (rewards) dalam sistem pembelajaran. - Melaksanakan kaedah Monte Carlo untuk menilai dan menambah baik polisi berdasarkan pengalaman. - Menguasai pembelajaran Perbezaan Temporal (Temporal Difference learning), termasuk mekanik Q-learning dan SARSA. - Mengaplikasikan strategi penerokaan-eksploitasi (exploration-exploitation) untuk mengimbangi penemuan laluan baharu dengan memaksimumkan ganjaran. - Mengamalkan anggaran fungsi nilai (value function estimation) untuk meramalkan hasil jangka panjang dalam tetapan dinamik. - Meneroka asas penghampiran fungsi moden (modern function approximation) untuk membantu kaedah pembelajaran berskala kepada masalah yang lebih besar. Kursus ini bermula dengan terminologi penting dan asas matematik pembelajaran pengukuhan sebelum beralih kepada aplikasi algoritma praktikal melalui penjelasan bertulis dan contoh kod. Ia direka untuk pemula yang mahukan asas konseptual dan praktikal yang kukuh tentang cara mesin belajar daripada pengalaman. Mulakan perjalanan anda ke dalam pembelajaran autonomi dan mula membina ejen yang menyesuaikan diri dengan dunia di sekeliling mereka.