Packt

Foundations of Deep Reinforcement Learning with PyTorch

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
Packt

Foundations of Deep Reinforcement Learning with PyTorch

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

7 Stunden zu vervollständigen
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

7 Stunden zu vervollständigen
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

  • Understand the core principles of reinforcement learning and agent-environment interactions

  • Gain hands-on experience with the OpenAI Gym API and Gymnasium for RL applications

  • Implement key deep RL algorithms, including Deep Q-Networks and the Cross-Entropy method

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Kürzlich aktualisiert!

April 2026

Bewertungen

7 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

 Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Deep Reinforcement Learning Hands-On“
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 7 Module

This module introduces the foundational concepts of reinforcement learning, including the roles of agents, environments, and the flow of information through rewards and observations. Learners will explore Markov processes and how they evolve into Markov decision processes by incorporating actions and rewards. By the end, you'll understand the basic structure and challenges of designing reinforcement learning systems.

Das ist alles enthalten

1 Video7 Lektüren1 Aufgabe

This module introduces learners to the Gymnasium library and the OpenAI Gym API, essential tools for building and interacting with reinforcement learning environments in Python. You will explore environment structure, naming conventions, and how to create and use environments programmatically. Practical examples, including implementing a simple agent, will help solidify your understanding of these foundational RL tools.

Das ist alles enthalten

1 Video6 Lektüren1 Aufgabe

This module introduces the foundational concepts and practical tools for building deep learning models using PyTorch. Learners will explore tensor operations, automatic gradient computation, neural network components, loss functions, and experiment monitoring with TensorBoard and Ignite. By the end, you'll be equipped to construct, train, and evaluate neural networks efficiently.

Das ist alles enthalten

1 Video10 Lektüren1 Aufgabe

This module introduces the cross-entropy method as a reinforcement learning technique, guiding learners through its implementation and application to classic environments like CartPole and FrozenLake. Learners will gain practical experience building and tuning neural network models to solve RL tasks using this approach.

Das ist alles enthalten

1 Video3 Lektüren1 Aufgabe

This module introduces foundational tabular reinforcement learning methods, focusing on the Bellman equation and its role in value-based algorithms. Learners will explore value and Q-functions, and implement value iteration and Q-iteration techniques using practical examples like FrozenLake.

Das ist alles enthalten

1 Video6 Lektüren1 Aufgabe

This module introduces the principles and implementation of Deep Q-Networks (DQNs), covering foundational concepts such as the Bellman equation, value iteration, and tabular Q-learning. Learners will explore how neural networks can approximate Q-values in complex environments, optimize training using stochastic gradient descent, and evaluate DQN performance on challenging tasks like Atari Pong. By the end, students will understand both the theory and practical aspects of training deep reinforcement learning agents.

Das ist alles enthalten

1 Video8 Lektüren1 Aufgabe

This module introduces key abstractions and tools for implementing deep reinforcement learning agents using higher-level libraries. Learners will explore agent architectures, policy distributions, experience sources, and replay buffers, gaining practical skills to build and train DQN-based models efficiently.

Das ist alles enthalten

1 Video5 Lektüren1 Aufgabe

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Packt - Course Instructors
Packt
1.749 Kurse494.468 Lernende

von

Packt

Mehr von Machine Learning entdecken

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“
Coursera Plus

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen