Python 和强化学习的实用人工智能
了解如何使用强化学习技术来创建实用的人工智能程序！
讲师：Jose Portilla
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
- 使用 Python 进行强化学习
- 使用 TensorFlow 创建人工神经网络
- 使用 TensorFlow 创建图像卷积神经网络
- 使用 OpenAI 处理内置游戏环境
- 使用 OpenAI 为任何问题创建您自己的环境
- 创建人工智能代理
- 表格 Q 学习
- 状态-行动-奖励-状态-行动（SARSA）
- 深度 Q 学习 (DQN)
- 使用卷积神经网络的 DQN
- 强化学习的交叉熵方法
- 双DQN
- 决斗 DQN
要求
- 您应该非常熟悉基本的 Python 和安装 Python 库。
- 这不是适合初学者的课程，我们强烈建议您首先参加我们的“数据科学和机器学习大师班”！
描述
请注意！本课程处于“早鸟”版本，我们仍在更新和添加内容，请在注册之前记住该课程尚未完成。
“未来已经到来——只是分布得不太均匀。”
你有没有想过人工智能实际上是如何运作的？您是否希望能够利用神经网络和强化学习的力量来创建能够解决人类复杂程度的任务的智能代理？
这是学习如何使用 Python 来利用神经网络的力量来创建人工智能代理的终极在线课程！
本课程侧重于一种实用方法，让您真正构建和创建智能代理，而不是像许多其他在线课程那样仅向您展示小玩具示例。在这里，我们专注于让您能够将人工智能应用于您自己的问题、环境和情况，而不仅仅是利基库中包含的内容！
本课程涵盖以下主题：
- 人工神经网络
- 卷积神经网络
- 经典 Q 学习
- 深度 Q 学习
- 非典
- 交叉熵方法
- 双DQN
- 以及更多！
我们设计本课程的目的是让您能够在自己的环境中创建自己的深度强化学习代理。它侧重于实用方法，在理论和直觉与可用代码之间取得适当的平衡。该课程在演示如何手动实现进行强化学习的方程之前，使用幻灯片中清晰的示例将数学方程与实际代码实现联系起来。
我们将首先向您展示如何使用 Keras 和 TensorFlow 进行深度学习，然后再深入探讨 Q-Learning 等强化学习概念。然后我们可以结合这些想法来引导您了解深度强化学习代理，例如深度 Q 网络！
还有更多精彩内容，希望您能加入我们的课程！
何塞
本课程适合谁：
- Python 开发人员熟悉机器学习基础知识（例如 Scikit-Learn），但现在想要学习如何通过强化学习创建人工智能代理
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。
