|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/reinforcement-learning-dqns-avanzadas/
课程评论：没有评论
**课程名称：** 高级强化学习：高级 DQN **课程概述：** 本课程是 Udemy 上最全面的高级强化学习课程。您将学习如何使用 PyTorch 和 PyTorch Lightning 实现一些最强大的深度强化学习算法。您将从头开始实现能够解决基于经验的控制任务的自适应算法。您将学习如何将这些技术与神经网络和深度学习方法相结合，以创建能够解决决策任务的自适应人工智能代理。 本课程将向您介绍强化学习技术的最新进展。它还将为您准备本系列的后续课程，在这些课程中我们将探索在其他类型任务中表现出色的其他高级方法。 该课程侧重于培养实践技能。因此，在学习每个方法家族最重要的概念后，我们将从头开始在 Jupyter Notebook 中实现这些算法中的一种或多种。 **课程模块：** * **复习模块：** * 马尔可夫决策过程 (MDP) * Q-Learning * 神经网络简介 * 深度 Q-Learning * **高级强化学习模块：** * PyTorch Lightning * 使用 Optuna 进行超参数调整 * 基于图像输入的强化学习 * 双深度 Q 网络 * 双 Q 网络 * 优先经验回放 (PER) * 分布式 Q 网络 * 噪声 Q 网络 * N-步深度 Q 学习 * Rainbow 深度 Q 学习
Este es el curso más completo de Reinforcement Learning Avanzado en Udemy. En él, aprenderás a implementar algunos de los algoritmos más poderosos de Deep Reinforcement Learning en Python utilizando PyTorch y PyTorch Lightning. Implementarás desde cero algoritmos adaptativos que resuelven tareas de control basadas en la experiencia. Aprenderás a combinar estas técnicas con Redes Neuronales y métodos de Deep Learning para crear agentes de Inteligencia Artificial adaptativos capaces de resolver tareas de toma de decisiones.Este curso te introducirá al estado del arte en técnicas de Reinforcement Learning. También te preparará para los próximos cursos en esta serie, donde exploraremos otros métodos avanzados que destacan en otros tipos de tareas.El curso se enfoca en el desarrollo de habilidades prácticas. Por lo tanto, después de aprender los conceptos más importantes de cada familia de métodos, implementaremos uno o más de sus algoritmos en cuadernos Jupyter, desde cero.Módulos de nivelación:- Repaso: El proceso de decisión de Markov (MDP).- Repaso: Q-Learning.- Repaso: Breve introducción a las Redes Neuronales.- Repaso: Deep Q-Learning.Reinforcement Learning avanzado:- PyTorch Lightning.- Ajuste de hiperparámetros con Optuna.- Reinforcement Learning con entradas de imágenes.- Doble Aprendizaje Profundo Q.- Redes Neuronales Q de Duelo.- Reproducción Experiencial Priorizada (PER).- Redes Neuronales Q Distribucionales.- Redes Neuronales Q Ruidosas.- Aprendizaje Profundo Q de N pasos.- Aprendizaje Profundo Q Rainbow.
