|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/machine-learning-beginner-reinforcement-learning-in-python/
课程评论：没有评论
Coursera 课程：Python 强化学习入门 **课程概述：** 本课程专为机器学习初学者设计，旨在介绍强化学习的概念。通过教授如何用 Python 编写一个能够实现“延迟满足”的神经网络，学员将了解人工智能在游戏领域的最新进展。课程将以 OpenAI Gym 提供的 NChain 游戏为例，展示计算机如何通过短期牺牲（持续向前）来获得更大的长期回报。这将深入讲解 Google DeepMind 发明的深度 Q 学习（Deep Q Learning）这一革命性技术，该技术已被用于训练神经网络玩转国际象棋、围棋和 Atari 游戏。 **核心内容：** * **强化学习基础：** 介绍强化学习的核心概念和工作原理。 * **Python 神经网络编程：** 学习使用 Python 构建和训练神经网络。 * **延迟满足：** 理解并实现神经网络的“延迟满足”能力。 * **NChain 游戏实战：** 在 NChain 游戏环境中应用所学知识。 * **深度 Q 学习（Deep Q Learning）：** 深入学习 DeepMind 的深度 Q 学习算法及其在游戏 AI 中的应用。 **学习目标：** 学员将能够理解强化学习的基本原理，并具备使用 Python 和深度 Q 学习来训练神经网络解决游戏问题的能力。
This course is designed for beginners to machine learning. Some of the most exciting advances in artificial intelligence have occurred by challenging neural networks to play games. I will introduce the concept of reinforcement learning, by teaching you to code a neural network in Python capable of delayed gratification.We will use the NChain game provided by the Open AI institute. The computer gets a small reward if it goes backwards, but if it learns to make short term sacrifices by persistently pressing forwards it can earn a much larger reward. Using this example I will teach you Deep Q Learning - a revolutionary technique invented by Google DeepMind to teach neural networks to play chess, Go and Atari.
