AI Reinforcement Learning - eLearning
450,00 EUR
- 30 hours
Stap in de toekomst van AI met de cursus Reinforcement Learning, waar machines leren door te interageren, zich aan te passen en te verbeteren op basis van ervaring. Deze cursus maakt je wegwijs in een van de krachtigste takken van machine learning, die wordt gebruikt in robotica, game‑AI, aanbevelingssystemen en autonome besluitvorming.
Belangrijkste functies
Taal
Cursus en lesmateriaal in het Engels
Niveau
Niveau: beginner tot gevorderd
Toegang
1 jaar toegang tot het leerplatform
9 uur aan video's op aanvraag
met meer dan 30 uur aanbevolen studietijd
30 begeleide praktische oefeningen
8 automatisch beoordeelde toetsen
46 Herhalingsquizzen
2 uitgebreide opdrachten
Certificaat
Inclusief certificaat van afronding van het programma
Leerdoelen
Aan het einde van deze cursus ben je in staat om het volgende te begrijpen:
Basisprincipes
Beheers de basisprincipes van multi-agent reinforcement learning (RL)
Kernparadigma's
Ontdek de drie kernparadigma’s van machine learning
Saldo
Begrijp de balans tussen exploratie en exploitatie
Tabular-Q
Leer tabulaire Q-learning- en deep Q-learning-benaderingen
RLib
Meerdere agents trainen met RLib
Markov
Krijg inzicht in Markov-ketens en beslissingsprocessen
Cursusplanning
Inleiding tot reinforcement learning
Les 01
- Drie paradigma's van machine learning
- RL-succesverhalen
- Elementen van een RL-probleem
- Inleiding tot de sportschool
- Je eerste RL-agent trainen met RLlib
Eénstaps-RL: multi-armed bandits
Les 02
- Multi-armed bandit-instelling
- Exploratie-exploitatie-afweging
- Fundamentele benaderingen om exploratie en exploitatie tegen elkaar af te wegen
- Geavanceerde benaderingen om exploratie en exploitatie tegen elkaar af te wegen
- Inleiding tot contextuele bandietproblemen
- Een praktisch voorbeeld van een contextuele bandiet
- Diepe contextuele bandieten
- Verkenning met diepe contextuele bandieten
- Een praktisch voorbeeld met diepe contextuele bandieten
Meertraps versterkend leren
Les 03
- Introductie tot Markov-ketens
- Markov-beloningsproces
- Markov-beslissingsproces
- Beleidsevaluatie en -iteratie
- Tabulaire Q-Learning
- Praktisch voorbeeld van tabelvormig Q-learning
- Deep Q-Learning
- Een Deep Q-netwerk trainen met RLlib
- Beleidsgestuurde methoden
- Een PPO-agent trainen met RLib
Benaderingen voor reinforcement learning in de echte wereld
Les 04
- Omgaan met schaarse beloningen en moeilijke exploratie
- Beloningsvormgeving implementeren
- Nadelen van beloningsvormgeving
- Gebruik van geheugen om gedeeltelijke observeerbaarheid te verwerken
- Het oplossen van stateless Cartpole met LSTM
- De kloof tussen simulatie en werkelijkheid overbruggen
- Inleiding tot multi-agent reinforcement learning
- Meerdere agents trainen met RLib
- Multi-agent versterkend leren
- Offline reinforcement learning
- Conclusie en andere geavanceerde onderwerpen
Voor wie is dit programma bedoeld?
Aankomende AI- en machinelearning-ingenieurs
Datawetenschappers die zich willen verdiepen in reinforcement learning
Softwareontwikkelaars die geïnteresseerd zijn in intelligente systemen en automatisering
Liefhebbers van robotica en gameontwikkeling
Studenten en professionals die geavanceerde AI-concepten verkennen
Iedereen die nieuwsgierig is naar hoe AI leert door middel van vallen en opstaan
Vereisten
- Basiskennis van Core Java-programmering
- Bekendheid met concepten van objectgeoriënteerd programmeren (OOP)
- Basiskennis van het gebruik van een IDE (bijv. Eclipse of Spring Tool Suite)
- Algemene kennis van hoe webapplicaties werken is nuttig, maar niet vereist
Verklaringen
Licenties en accreditatie
Deze cursus wordt aangeboden in overeenstemming met de Partnerprogramma-overeenkomst en voldoet aan de vereisten van de Licentieovereenkomst.
Gelijkheidsbeleid
Kandidaten worden aangemoedigd om tijdens het gehele accommodatieproces contact op te nemen met AVC voor begeleiding en ondersteuning.
Veelgestelde vragen
Heeft u bedrijfsoplossingen of LMS-integratie nodig
Heb je niet de cursus of het programma gevonden dat geschikt zou zijn voor jouw bedrijf? Heb je een LMS-integratie nodig? Neem contact met ons op! Wij zullen met een passende oplossing komen!