or
【資策會】人工智慧深度強化學習
★ 早鳥價、團報優惠 -- 請參見【課程網址】★
本課程的目標在奠定學員學習當代人工智慧關鍵技術的理論基礎。透過學習許多目前具有代表性的深度學習神經網路架構,可累積學員對於各種重要神經網路元件的理解,進而組成許多人工智慧核心系統的設計,達成具有自我學習及解析功能的智慧型產品設計。
收件人email:
寄件人姓名:
寄件人email:
【資策會】人工智慧深度強化學習
適合對象: 
 ◆深度強化學習(Deep Reinforcement Learning)簡介

  ˙人工智慧環境(Environment)與智慧代理人(Agent)

˙策略與規劃(Policy and Planning)

˙價值函數(Value Function)

˙運作模型(Model)

˙酬勞與懲罰(Reward)

˙最優價值函數(Optimal Value Function)

˙馬可夫決策問題(MDP)

 

◆圖表化及逼近式 (Tabular and Approximation)解決方案

˙有限馬可夫決策處理(FMDP)

˙動態規劃(Dynamic Programming)

˙蒙地卡羅方法(Monte Carlo Method)

˙時間差分學習(Time-Difference Learning)

˙Q學習(Q-Learning)

˙策略梯度法(Policy Gradient Method)

 

◆類神經深度強化學習

˙深度Q學習網路(Deep Q-Learning Network)

˙TensorFlow DQN

˙OpenAI Gym

˙Actor Critic

˙Deep Deterministic Policy Gradients(DDPG)

˙Asynchronous Advantage Actor-Critic (A3C)

˙Distributed Proximal Policy Optimization (DPPO)

 

◆人工智慧深度強化學習個案研究

˙AlphaGo設計理念與方法

˙問答系統強化學習

˙汽車避撞系統模擬

˙自駕車強化學習

˙Q-learning Gridworld Player

˙Atari Ping Pong Player

 

詳細課程內容請參考以下網址:http://www.iiiedu.org.tw/ites/REF.htm
  • *填寫報名表能讓開課單位更有效的處理您的資料,並優先處理您的需求!
  • 報名班別 
  • 報名人數   人
  • * 第1位報名者姓名 
  • ...................................................................................................................................................