In diesem Kurs lernen Sie verschiedene Algorithmen kennen, die auf der Grundlage von Versuch und Irrtum mit der Umwelt nahezu optimale Strategien erlernen können - Lernen aus der eigenen Erfahrung des Agenten. Das Lernen aus eigener Erfahrung ist bemerkenswert, weil es keine Vorkenntnisse über die Dynamik der Umgebung erfordert und dennoch ein optimales Verhalten erreichen kann. Wir werden intuitiv einfache, aber leistungsstarke Monte-Carlo-Methoden und Methoden des Lernens mit zeitlichen Differenzen einschließlich Q-Lernen behandeln. Zum Abschluss dieses Kurses werden wir untersuchen, wie wir das Beste aus beiden Welten erhalten können: Algorithmen, die modellbasierte Planung (ähnlich der dynamischen Programmierung) und Temporal-Differenzen-Updates kombinieren können, um das Lernen radikal zu beschleunigen. Am Ende dieses Kurses werden Sie in der Lage sein: - Temporal-Differenzen-Lernen und Monte Carlo als zwei Strategien zur Schätzung von Wertfunktionen aus gesampelter Erfahrung zu verstehen - die Bedeutung der Exploration zu verstehen, wenn man gesampelte Erfahrung anstelle von Sweeps der dynamischen Programmierung innerhalb eines Modells verwendet - die Verbindungen zwischen Monte Carlo und dynamischer Programmierung und TD zu verstehen.


Methoden zum Lernen anhand von Beispielen
Eignen Sie sich gefragte Fähigkeiten mit einem ganzjährigen Coursera Plus-Abonnement an -- jetzt für 239 $. Sparen Sie jetzt.


Methoden zum Lernen anhand von Beispielen
Dieser Kurs ist Teil von Spezialisierung „Reinforcement Learning“


Dozenten: Martha White
39.930 bereits angemeldet
Bei Mehr erfahren enthalten
1,227 Bewertungen
Empfohlene Erfahrung
Kompetenzen, die Sie erwerben
- Kategorie: Angewandtes maschinelles Lernen
- Kategorie: Maschinelles Lernen
- Kategorie: Methoden des maschinellen Lernens
- Kategorie: Künstliche Intelligenz und maschinelles Lernen (AI/ML)
- Kategorie: Algorithmen
- Kategorie: Simulationen
- Kategorie: Reinforcement Learning
- Kategorie: Algorithmen für maschinelles Lernen
Wichtige Details

Zu Ihrem LinkedIn-Profil hinzufügen
5 Aufgaben
Erweitern Sie Ihre Fachkenntnisse
- 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 5 Module
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.
Dozenten


Mehr von Maschinelles Lernen entdecken

Northeastern University

University of Colorado Boulder

Columbia University

Northeastern University
Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Bewertungen von Lernenden
- 5 Sterne
82,30 %
- 4 Sterne
13,25 %
- 3 Sterne
2,77 %
- 2 Sterne
0,63 %
- 1 Stern
1,03 %
Zeigt 3 von 1227 an
Geprüft am 25. Juni 2020
It's an important course in understanding the working of reinforcement learning. Although some important and complex topics are not explored in this course which are mentioned in the textbook.
Geprüft am 21. Mai 2020
The lectures and quiz tests are perfect. Jupyter. Programming exercises can be a little confusing sometimes but are also great. A great course, overall.
Geprüft am 19. Okt. 2020
Excellent course. Really well taught. Good pace of videos and assignments, with the support of perfect reading material. thank you tot he teachers.
Was führt Sie heute zu Coursera?
Häufig gestellte Fragen
Weitere Fragen
Finanzielle Unterstützung verfügbar,





