Обучение с подкреплением

Курс предназначен для DS/DL/ML специалистов, которые хотят погрузиться в алгоритмы обучения с подкреплением. После прохождения курса студенты научатся применять алгоритмы RL для решения разнообразных задач в реальном мире, включая игровую индустрию, робототехнику, управление энергетическими системами и управление финансовым портфелем.

Для кого этот курс?

• DS/ML/DL специалисты, которые хотят углубить знания в области обучения с подкреплением и получить практический опыт;
• Разработчики с базовыми навыками Python и ML, которые хотят получить опыт работы с рекомендательными системами;
• Выпускники курсов по машинному обучению

После обучения вы:

• Овладеете основными алгоритмами RL, такими как Q-learning, SARSA, Monte Carlo
• Научитесь строить модель среды и агента, а также проводить обучение на простых игровых сценариях
• Изучите такие алгоритмы, как Deep Q-Network (DQN), Policy Gradient (PG), Actor-Critic, и сможете реализовать их в своих проектах
• Познакомитесь с продвинутыми темами в Reinforcement Learning, такими как оптимальное управление, методы обучения со скользящим горизонтом, Model-based RL
• Научитесь применять RL для решения конкретных задач и понимать, как это применение работает на практике.

Особенности курса

Особенностью курса является его фокус на практических примерах и проектной работе. Студенты получат необходимые знания для реализации RL алгоритмов в своих собственных проектах и приложениях.