Local instructor-led live Reinforcement Learning training courses in România.
Mărturii
Îmi place exemplele de explicat
AUO友达光电（苏州）有限公司
Curs: OptaPlanner in Practice
Machine Translated
Discuțiile pentru a ne lărgi orizonturile
FAB banak Egypt
Curs: Introduction to Data Science and AI (using Python)
Machine Translated
Reinforcement Learning Course Outlines
Numele cursului
Durata
Sinoptic
Numele cursului
Durata
Sinoptic
21 hours
Reinforcement Learning (RL) este o zonă a inteligenței artificiale (AI) utilizată pentru a construi sisteme autonome (de exemplu, un agent care învață prin interacțiunea cu mediul înconjurător pentru a rezolva o problemă. RL are aplicații în domenii precum robotica, jocurile de noroc, modelarea consumatorilor, asistența medicală, managementul lanțului de aprovizionare și multe altele.
Această formare directă (online sau on-site) este destinată cercetătorilor de date care doresc să creeze și să implementeze un sistem, capabil să ia decizii și să rezolve problemele din lumea reală în cadrul unei organizații.
La sfârșitul cursului, participanții vor putea:
-
Înțelegeți relațiile și diferențele dintre Reinforcement Learning și învățarea cu mașină, învățarea profundă, învățarea supravegheată și necontrolată.
Analizați o problemă reală și redefiniți-o ca o problemă Reinforcement Learning.
Implementarea unei soluții la o problemă reală folosind Reinforcement Learning.
Înțelegeți diferitele algoritmi disponibile în Reinforcement Learning și selectați cel mai potrivit pentru problema de mână.
-
Lecții și discuții interactive.
Multe exerciții și practici.
Implementarea pe mâini într-un mediu live-lab.
-
Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a organiza.
21 hours
Reinforcement Learning (RL) este o tehnică de învățare cu mașină în care un program de calculator (agent) învață să se comporte într-un mediu prin efectuarea acțiunilor și primirea de feedback despre rezultatele acțiunilor. Pentru fiecare acţiune bună, agentul primeşte feedback pozitiv, iar pentru fiecare acţiune rea, agentul primeşte feedback negativ (penală).
Această formare directă (online sau on-site) este destinată cercetătorilor de date care doresc să depășească abordările tradiționale de învățare cu mașină pentru a învăța un program de calculator pentru a descoperi lucrurile (soluția problemelor) fără utilizarea datelor etichetate și a seturilor de date mari.
La sfârșitul cursului, participanții vor putea:
-
Instalarea și aplicarea bibliotecilor și a limbajului de programare necesar pentru implementare Reinforcement Learning.
Creați un agent software capabil să învețe prin feedback, în loc prin învățare supravegheată.
Programarea unui agent pentru a rezolva probleme în care luarea deciziilor este secvențială și finită.
Aplicați cunoștințele pentru a crea software-uri care pot învăța într-un mod similar cu modul în care oamenii învață.
-
Lecții și discuții interactive.
Multe exerciții și practici.
Implementarea pe mâini într-un mediu live-lab.
-
Pentru a solicita o pregătire personalizată pentru acest curs, vă rugăm să ne contactați pentru a organiza.
7 hours
This instructor-led, live training in România (online or onsite) is aimed at researchers and developers who wish to install, configure, customize, and implement OpenAI Gym to quickly develop reinforcement learning algorithms.
By the end of this training, participants will be able to build, develop, execute, and test reinforcement learning algorithms to optimize tasks and achieve maximum results.
Last Updated:
Consultanță
Sfarsit de saptamana Reinforcement Learning Cursuri, Seara Reinforcement Learning Training, Reinforcement Learning Camp, Reinforcement Learning Cu instructor, Sfarsit de saptamana Reinforcement Learning Training, Seara Reinforcement Learning Cursuri, Reinforcement Learning Coaching, Reinforcement Learning Instructor, Reinforcement Learning Trainer, Reinforcement Learning Cursuri, Reinforcement Learning Clase, Reinforcement Learning Pe pagina, Reinforcement Learning curs privat, Reinforcement Learning one on one training
