Über diesen Kurs

37,196 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“

Probabilities & Expectations, basic linear algebra, basic calculus, Python 3.0 (at least 1 year), implementing algorithms from pseudocode.

Ca. 23 Stunden zum Abschließen
Englisch
Untertitel: Englisch

Kompetenzen, die Sie erwerben

Artificial Intelligence (AI)Machine LearningReinforcement LearningFunction ApproximationIntelligent Systems
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Mittel“

Probabilities & Expectations, basic linear algebra, basic calculus, Python 3.0 (at least 1 year), implementing algorithms from pseudocode.

Ca. 23 Stunden zum Abschließen
Englisch
Untertitel: Englisch

von

Placeholder

University of Alberta

Placeholder

Alberta Machine Intelligence Institute

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

1 Stunde zum Abschließen

Welcome to the Final Capstone Course!

1 Stunde zum Abschließen
2 Videos (Gesamt 10 min), 2 Lektüren
2 Videos
Meet your instructors!8m
2 Lektüren
Reinforcement Learning Textbook10m
Pre-requisites and Learning Objectives10m
Woche
2

Woche 2

1 Stunde zum Abschließen

Milestone 1: Formalize Word Problem as MDP

1 Stunde zum Abschließen
4 Videos (Gesamt 23 min)
4 Videos
Andy Barto on What are Eligibility Traces and Why are they so named?9m
Let's Review: Markov Decision Processes6m
Let's Review: Examples of Episodic and Continuing Tasks3m
Woche
3

Woche 3

1 Stunde zum Abschließen

Milestone 2: Choosing The Right Algorithm

1 Stunde zum Abschließen
7 Videos (Gesamt 40 min)
7 Videos
Let's Review: Expected Sarsa3m
Let's Review: What is Q-learning?3m
Let's Review: Average Reward- A New Way of Formulating Control Problems10m
Let's Review: Actor-Critic Algorithm5m
Csaba Szepesvari on Problem Landscape8m
Andy and Rich: Advice for Students5m
1 praktische Übung
Choosing the Right Algorithm
Woche
4

Woche 4

1 Stunde zum Abschließen

Milestone 3: Identify Key Performance Parameters

1 Stunde zum Abschließen
4 Videos (Gesamt 25 min)
4 Videos
Let's Review: Non-linear Approximation with Neural Networks4m
Drew Bagnell on System ID + Optimal Control6m
Susan Murphy on RL in Mobile Health7m
1 praktische Übung
Impact of Parameter Choices in RL40m

Bewertungen

Top-Bewertungen von A COMPLETE REINFORCEMENT LEARNING SYSTEM (CAPSTONE)

Alle Bewertungen anzeigen

Über den Spezialisierung Verstärkungslernen

The Reinforcement Learning Specialization consists of 4 courses exploring the power of adaptive learning systems and artificial intelligence (AI). Harnessing the full potential of artificial intelligence requires adaptive learning systems. Learn how Reinforcement Learning (RL) solutions help solve real-world problems through trial-and-error interaction by implementing a complete RL solution from beginning to end. By the end of this Specialization, learners will understand the foundations of much of modern probabilistic artificial intelligence (AI) and be prepared to take more advanced courses or to apply AI tools and ideas to real-world problems. This content will focus on “small-scale” problems in order to understand the foundations of Reinforcement Learning, as taught by world-renowned experts at the University of Alberta, Faculty of Science. The tools learned in this Specialization can be applied to game development (AI), customer interaction (how a website interacts with customers), smart assistants, recommender systems, supply chain, industrial control, finance, oil & gas pipelines, industrial control systems, and more....
Verstärkungslernen

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..