Cursos de Reinforcement Learning

El aprendizaje de refuerzo profundo se refiere a la capacidad de un "agente artificial" para aprender por prueba y error y recompensas y castigos. Un agente artificial tiene como objetivo emular la capacidad de un ser humano de obtener y construir conocimiento por sí mismo, directamente a partir de insumos crudos como la visión. Para lograr un aprendizaje reforzado, se utilizan redes neuronales y de aprendizaje profundo. El aprendizaje de refuerzo es diferente del aprendizaje automático y no depende de enfoques de aprendizaje supervisados ​​y no supervisados. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán los fundamentos de Deep Refforcement Learning a medida que avanzan en la creación de un Deep Learning Agent. Al final de esta capacitación, los participantes podrán:

• Comprender los conceptos clave detrás del aprendizaje profundo y el aprendizaje del aprendizaje automático
• Aplicar algoritmos avanzados de refuerzo de aprendizaje para resolver problemas del mundo real
• Crear un agente de aprendizaje profundo

Audiencia

• Desarrolladores
• Científicos de datos

Formato de la carrera

• Parte de lectura, parte de discusión, ejercicios y práctica práctica

Reinforcement Learning (RL) es una técnica de aprendizaje de máquina en la que un programa informático (agente) aprende a comportarse en un entorno realizando las acciones y recibiendo comentarios sobre los resultados de las acciones. Para cada buena acción, el agente recibe feedback positivo, y para cada mala acción, el agente recibe feedback negativo (penaltia). Este entrenamiento guiado por instructores, en vivo (online o on-site) está dirigido a científicos de datos que desean ir más allá de los enfoques tradicionales de aprendizaje de máquina para enseñar un programa informático para descubrir las cosas (solución de problemas) sin el uso de datos etiquetados y grandes conjuntos de datos. Al final de este curso, los participantes podrán:

Instalar y aplicar las bibliotecas y el lenguaje de programación necesarios para implementar Reinforcement Learning. Crea un agente de software que sea capaz de aprender a través de los comentarios en lugar de a través de la aprendizaje supervisada. Programar un agente para resolver problemas en los que la toma de decisiones es secuencial y finita. Aplique el conocimiento a diseñar software que puede aprender de una manera similar a la de cómo los humanos aprenden.

Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.

Reinforcement Learning (RL) es una área de inteligencia artificial (AI) utilizada para construir sistemas autónomos (es decir, un "agent") que aprenden interactando con su entorno para resolver un problema. RL tiene aplicaciones en áreas como la robótica, el juego, la modelización del consumidor, la salud, la gestión de la cadena de suministro, y más. Este entrenamiento dirigido por instructores, en vivo (online o on-site) está dirigido a científicos de datos que desean crear y implementar un sistema, capaz de tomar decisiones y resolver problemas del mundo real dentro de una organización. Al final de este curso, los participantes podrán:

Comprender las relaciones y diferencias entre Reinforcement Learning y el aprendizaje mecánico, el aprendizaje profundo, el aprendizaje supervisado y el aprendizaje no supervisado. Analizar un problema del mundo real y redefinirlo como Reinforcement Learning problema. Implementar una solución a un problema del mundo real utilizando Reinforcement Learning. Comprender los diferentes algoritmos disponibles en Reinforcement Learning y seleccionar el más adecuado para el problema en la mano.

Formato del curso

Lecciones y discusiones interactivas. Muchos ejercicios y prácticas. Implementación de manos en un entorno de laboratorio en vivo.

Opciones de Customización de Curso

Para solicitar una formación personalizada para este curso, por favor contacta con nosotros para organizar.