|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/aprendizagem-reforco-deep-learning-pytorch-python/
课程评论：没有评论
coursera 课程：深度强化学习、PyTorch 与 Python 本课程深入探讨了深度学习（Deep Learning）和强化学习（Reinforcement Learning）这两个人工智能领域的前沿技术。 **课程亮点：** * **理论与实践结合：** * **强化学习理论：** 详细介绍 Q-Learning 算法，让学员理解强化学习的基本原理。 * **深度强化学习理论：** 讲解深度 Q-Learning，以及如何利用人工神经网络（Neural Networks）解决复杂问题。 * **实战项目：** 指导学员一步步构建一个使用强化学习控制的虚拟自动驾驶汽车 AI。 * **技术栈：** * **深度学习框架：** 使用业界领先的 **PyTorch** 库进行模型开发。 * **编程语言：** 采用广泛应用于 AI 领域的 **Python**。 * **应用广泛：** * 自动驾驶汽车 * 药物发现 * 疾病诊断与治疗 * 新闻自动生成 * 人脸识别 * 产品推荐 * 股票预测 * 电影剧本创作等 **课程结构：** 1. **强化学习理论 (Q-Learning)** 2. **深度强化学习理论 (Deep Q-Learning)** 3. **自动驾驶汽车 AI 开发实战** **附加内容：** * 提供神经网络基础知识回顾，适合初学者。 **适合人群：** * 具有一定神经网络基础，希望深入学习强化学习和深度强化学习的中级学员。 **课程目标：** 完成本课程后，学员将掌握使用 PyTorch 和 Python 进行深度强化学习开发的技能，能够独立解决其他相关领域的挑战，为职业发展奠定坚实基础。
A área de Deep Learning (Aprendizagem Profunda) está relacionada a aplicação das redes neurais artificiais na resolução de problemas complexos e que requerem artifícios computacionais avançados. Existem diversas aplicações práticas que já foram construídas utilizando essas técnicas, tais como: carros autônomos, descoberta de novos medicamentos, cura e diagnóstico antecipado de doenças, geração automática de notícias, reconhecimento facial, recomendação de produtos, previsão dos valores de ações na bolsa de valores e até mesmo a geração automática de roteiros de filmes! Nesses exemplos, a técnica base utilizada são as redes neurais artificiais, que procuram "imitar" como o cérebro humano funciona e são consideradas hoje em dia como as mais avançadas no cenário de Machine Learning (Aprendizagem de Máquina).Também dentro do contexto da Aprendizagem de Máquina existe a área de Aprendizagem por Reforço, que é um tipo de aprendizagem usado em sistemas multi-agente no qual os agentes devem interagir no ambiente e aprenderem por conta própria, ganhando recompensas positivas quando executam ações corretas e recompensas negativas quando executam ações que não levem para o objetivo. O interessante dessa técnica é que a inteligência artificial aprende sem nenhum conhecimento prévio, adaptando-se ao ambiente e encontrando as soluções sozinho!E para levar você até essa área, neste curso você terá uma visão teórica e principalmente prática sobre a construção de um carro autônomo virtual utilizando aprendizagem por reforço! Vamos trabalhar com técnicas modernas de Deep Learning com a biblioteca PyTorch e a linguagem Python! Ao final você terá todas as ferramentas necessárias para solucionar outros tipos de problemas com aprendizagem por reforço. O conteúdo do curso está dividido em três partes:Teoria sobre aprendizagem por reforço com o algoritmo Q-LearningTeoria da aprendizagem por reforço com Deep Q-Learning, com a utilização de redes neurais artificiaisConstrução passo a passo da inteligência artificial para controlar o carro autônomoVocê ainda conta com um anexo sobre o básico das redes neurais artificiais caso você não tenha muita experiência na área.Este curso é categorizado como nível intermediário, pois apesar de existir o anexo para a revisão do conteúdo básico, é interessante que você já tenha uma certa experiência com a área de redes neurais.Preparado(a) para dar um importante passo na sua carreira? Aguardamos você no curso!:)
