Schulungsübersicht

Einführung

  • Lösen von Problemen der realen Welt durch Versuch-und-Irrtum-Interaktionen

Adaptive Lernsysteme verstehen und Artificial Intelligence (AI).

Wie Agenten den Zustand wahrnehmen

Wie man einen Agenten belohnt

Fallstudie: Interaktion mit Website-Besuchern

Vorbereiten der Umgebung für den Agenten

Vertiefung in Reinforcement Learning Algorithmen

Wertbasierte Methoden vs. politikbasierte Methoden

Auswahl eines Reinforcement Learning Modells

Verwendung des Q-Learning Model-Free Reinforcement Learning Algorithmus

Gestaltung des Agenten

Fallstudie: Intelligente Assistenten

Einbindung des Agenten in eine Produktionsumgebung

Messung der Ergebnisse von Agenten-Aktionen

Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Generales Verständnis von Reinforcement Learning
  • Erfahrungen mit maschinellem Lernen
  • Java Programmiererfahrung

Publikum

  • Datenwissenschaftler
  21 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Erfahrungsberichte (4)

Kombinierte Kurse

Verwandte Kategorien