Über diesen Kurs
183,098 recent views

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. 15 Stunden zum Abschließen

Empfohlen: 4-6 hours/week...

Englisch

Untertitel: Englisch

Was Sie lernen werden

  • Check

    Formalize problems as Markov Decision Processes

  • Check

    Understand basic exploration methods and the exploration / exploitation tradeoff

  • Check

    Understand value functions, as a general-purpose tool for optimal decision-making

  • Check

    Know how to implement dynamic programming as an efficient solution approach to an industrial control problem

Kompetenzen, die Sie erwerben

Artificial Intelligence (AI)Machine LearningReinforcement LearningFunction ApproximationIntelligent Systems

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. 15 Stunden zum Abschließen

Empfohlen: 4-6 hours/week...

Englisch

Untertitel: Englisch

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1
1 Stunde zum Abschließen

Welcome to the Course!

4 Videos (Gesamt 20 min), 2 Lektüren
4 Videos
Course Introduction5m
Meet your instructors!8m
Your Specialization Roadmap3m
2 Lektüren
Reinforcement Learning Textbook10m
Read Me: Pre-requisites and Learning Objectives10m
7 Stunden zum Abschließen

The K-Armed Bandit Problem

8 Videos (Gesamt 46 min), 3 Lektüren, 2 Quiz
8 Videos
Learning Action Values4m
Estimating Action Values Incrementally5m
What is the trade-off?7m
Optimistic Initial Values6m
Upper-Confidence Bound (UCB) Action Selection5m
Jonathan Langford: Contextual Bandits for Real World Reinforcement Learning8m
Week 1 Summary3m
3 Lektüren
Module 2 Learning Objectives10m
Weekly Reading30m
Chapter Summary30m
1 praktische Übung
Exploration/Exploitation45m
Woche
2
4 Stunden zum Abschließen

Markov Decision Processes

6 Videos (Gesamt 24 min), 2 Lektüren, 2 Quiz
6 Videos
Examples of MDPs4m
The Goal of Reinforcement Learning3m
Continuing Tasks5m
Examples of Episodic and Continuing Tasks3m
Week 2 Summary1m
2 Lektüren
Module 3 Learning Objectives10m
Weekly Reading30m
1 praktische Übung
MDPs45m
Woche
3
3 Stunden zum Abschließen

Value Functions & Bellman Equations

8 Videos (Gesamt 48 min), 3 Lektüren, 2 Quiz
8 Videos
Value Functions6m
Bellman Equation Derivation6m
Why Bellman Equations?5m
Optimal Policies7m
Optimal Value Functions5m
Using Optimal Value Functions to Get Optimal Policies8m
Week 3 Summary4m
3 Lektüren
Module 4 Learning Objectives10m
Weekly Reading30m
Chapter Summary13m
2 praktische Übungen
Value Functions and Bellman Equations45m
Value Functions and Bellman Equations45m
Woche
4
6 Stunden zum Abschließen

Dynamic Programming

8 Videos (Gesamt 42 min), 3 Lektüren, 2 Quiz
8 Videos
Iterative Policy Evaluation8m
Policy Improvement4m
Policy Iteration8m
Flexibility of the Policy Iteration Framework4m
Efficiency of Dynamic Programming5m
Week 4 Summary2m
Congratulations!3m
3 Lektüren
Module 5 Learning Objectives10m
Weekly Reading30m
Chapter Summary30m
1 praktische Übung
Dynamic Programming45m
4.8
20 BewertungenChevron Right

Top reviews from Fundamentals of Reinforcement Learning

von NSAug 4th 2019

The ideal course to go with the book Reinforcement Learning: An Introduction. The quizzes and coding workshops are pitched just right in my opinion, neither too easy nor too hard.

von ATJul 31st 2019

Very clear and engaging presentation, well thought out and typical Coursera-style programming assignments. Definitely looking forward to taking the rest of the sequence.

Dozenten

Avatar

Martha White

Assistant Professor
Computing Science
Avatar

Adam White

Assistant Professor
Computing Science

Über University of Alberta

UAlberta is considered among the world’s leading public research- and teaching-intensive universities. As one of Canada’s top universities, we’re known for excellence across the humanities, sciences, creative arts, business, engineering and health sciences....

Über Alberta Machine Intelligence Institute

The Alberta Machine Intelligence Institute (Amii) is home to some of the world’s top talent in machine intelligence. We’re an Alberta-based research institute that pushes the bounds of academic knowledge and guides business understanding of artificial intelligence and machine learning....

Über die 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

  • Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.

  • Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.

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