Panduan lengkap untuk Reinforcement Learning, Proses Keputusan Markov, Q-Learning, aplikasi menggunakan Python & OpenAI GYM
Apa yang akan Anda pelajari
-
Pentingnya Reinforcement Learning (RL) dalam Ilmu Data.
-
Konsep penting dari awal absolut dengan pembukaan terperinci dengan contoh-contoh dalam Python.
-
Penjelasan praktis dan live coding dengan Python.
-
Penerapan Teori Probabilitas.
-
Proses Keputusan Markov.
Persyaratan
-
Tidak dibutuhkan pengetahuan sebelumnya. Anda akan mulai dari dasar dan secara bertahap membangun pengetahuan Anda tentang subjek tersebut.
-
Kemauan untuk belajar dan berlatih.
-
Pengetahuan tentang Python akan menjadi nilai tambah.
Deskripsi
Reinforcement Learning (RL) memiliki potensi yang sangat besar dan tidak diragukan lagi merupakan salah satu bidang penelitian yang paling dinamis dan merangsang dalam Artificial Intelligence. RL dianggap sebagai pengubah permainan dalam Ilmu Data, terutama setelah mengamati kemenangan agen AI AlphaGo Zero dan OpenAI Five melawan juara manusia teratas. Namun, RL tidak terbatas pada game.
Kemajuan dalam Reinforcement Learning, terutama selama beberapa tahun terakhir, sangat sensasional. RL ada di mana-mana sekarang, mulai dari manajemen sumber daya hingga kimia, dari perawatan kesehatan hingga keuangan, dan dari Sistem Rekomendasi hingga aplikasi yang lebih canggih dalam prediksi saham.
Karena RL adalah pembelajaran yang berorientasi pada tujuan, pemahaman tentang RL tidak hanya penting tetapi juga sangat diperlukan di semua bidang Ilmu Data. Kursus ini akan memungkinkan Anda untuk membawa karier Anda ke tingkat berikutnya, karena kursus ini memberi Anda penjelasan yang jelas tentang konsep dan implementasi RL dalam Ilmu Data.
Karena kursus ini adalah kompilasi dari semua hal dasar, kursus ini akan menginspirasi Anda untuk maju dan mengalami lebih dari apa yang telah Anda pelajari. Anda akan diberi pekerjaan rumah / tugas / kegiatan di akhir setiap modul, yang akan menilai / (membangun lebih lanjut) pembelajaran Anda berdasarkan konsep dan metode yang telah Anda pelajari sebelumnya. Karena tujuannya adalah membuat Anda siap dan menjalankan penerapan, banyak dari aktivitas ini akan berbasis pengkodean.
