使用 python 进行深度强化学习
深度强化学习完整指南
讲师:AI For Everyone
口袋资源独家Udemy付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将学到什么
- 了解深度强化学习及其应用
- 构建自己的神经网络
- 实施 5 个不同的强化学习项目
- 学习很多改进你的机器人的方法
要求
- Numpy、Matplotlib、熊猫
- 梯度下降
- 面向对象编程
- 对深度学习的一般理解
描述
欢迎使用 python 进行深度强化学习!
您是否曾问过自己,智能机器人是如何被创造出来的?
强化学习涉及创建智能机器人,这是机器学习的一个子领域,近年来取得了令人印象深刻的成果,现在我们可以构建可以在阿尔法围棋游戏和国际象棋游戏等非常困难的游戏中击败人类的机器人。
深度强化学习意味着强化学习领域加上深度学习领域,其中深度学习也是机器学习的一个子领域,它使用称为神经网络的特殊算法。
在本课程中,我们将讨论深度强化学习,我们将讨论以下内容:-
- 第 1 节: 深度强化学习简介在本节中,我们将研究深度强化学习的所有基础知识 。其中包括策略、价值函数、Q 函数和神经网络。
- 第 2 部分:设置环境在本节中,我们将学习如何创建虚拟环境并安装所有必需的软件包。
- 第 3 部分:网格世界游戏和深度 Q 学习在本节中,我们将学习如何构建第一个智能机器人来解决网格世界游戏。在这里我们将学习如何构建和训练我们的神经网络以及如何进行探索和利用。
- 第 4 节:山地车游戏和深度 Q 学习在本节中,我们将尝试构建一个机器人来解决山车游戏。这里我们将学习如何构建ICM模块和RND模块来解决Mountain Car游戏中的稀疏奖励问题。
- 第 5 部分:Flappy Bird 游戏和深度 Q 学习在本节中,我们将学习如何构建一个智能机器人来解决 Flappy 小鸟游戏。在这里我们将学习如何构建 Q 网络的许多变体,例如决斗 Q 网络、优先 Q 网络和两步 Q 网络
- 第 6 节:吃豆子女士游戏和深度 Q 学习在本节中,我们将学习如何构建一个智能机器人来解决吃豆人游戏。在这里,我们将学习如何构建 Q 网络的其他变体,例如噪声 Q 网络、双 Q 网络和 n 步 Q 网络。
- 第七节:股票交易与深度Q-Learning在本节中,我们将学习如何构建用于股票交易的智能机器人。
本课程适合谁:
- 任何想要学习人工智能和深度学习的人
- 学生和专业人士
声明:口袋资源网(koudaizy.com)提供的所有课程、素材等资源全部来源于互联网,赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。