รายละเอียด
ในหลักสูตรสุดท้ายนี้คุณจะรวบรวมความรู้ของคุณจากหลักสูตร 1, 2 และ 3 เพื่อใช้โซลูชัน RL ที่สมบูรณ์สำหรับปัญหา คำอธิบายนี้จะช่วยให้คุณเห็นว่าองค์ประกอบแต่ละส่วนไม่ว่าจะเป็นการกำหนดปัญหาการเลือกอัลกอริทึมการเลือกพารามิเตอร์และการออกแบบการแสดงผลรวมกันเป็นโซลูชันที่สมบูรณ์และวิธีการตัดสินใจเลือกที่เหมาะสมเมื่อปรับใช้ RL ในโลกแห่งความจริง โครงการนี้ต้องการให้คุณใช้ทั้งสภาพแวดล้อมเพื่อกระตุ้นปัญหาของคุณและตัวแทนควบคุมที่มีการประมาณฟังก์ชัน Neural Network นอกจากนี้คุณจะทำการศึกษาทางวิทยาศาสตร์เกี่ยวกับระบบการเรียนรู้ของคุณเพื่อพัฒนาความสามารถในการประเมินความแข็งแกร่งของตัวแทน RL ในการใช้ RL ในโลกแห่งความเป็นจริงจำเป็นอย่างยิ่งที่จะต้อง (a) ทำให้ปัญหาเป็นทางการอย่างเหมาะสม (b) เลือกอัลกอริทึมที่เหมาะสม (c) ระบุว่าทางเลือกใดในการนำไปใช้ของคุณจะมีผลกระทบอย่างมากต่อประสิทธิภาพและ (d) ตรวจสอบความถูกต้อง พฤติกรรมที่คาดหวังของอัลกอริทึมของคุณ Capstone นี้มีประโยชน์สำหรับทุกคนที่วางแผนจะใช้ RL เพื่อแก้ปัญหาจริง
หากจะประสบความสำเร็จในหลักสูตรนี้คุณจะต้องสำเร็จหลักสูตร 1, 2 และ 3 ของความเชี่ยวชาญนี้หรือเทียบเท่า
เมื่อจบหลักสูตรนี้คุณจะสามารถ:
ทำโซลูชัน RL ให้เสร็จสมบูรณ์โดยเริ่มจากการกำหนดปัญหาการเลือกอัลกอริทึมที่เหมาะสมและการนำไปใช้และการศึกษาเชิงประจักษ์ถึงประสิทธิภาพของการแก้ปัญหา
ราคา: ลงทะเบียนฟรี!
ÀÒÉÒ: ภาษาอังกฤษ
คำบรรยาย: ภาษาอังกฤษ
ระบบการเรียนรู้การเสริมแรงที่สมบูรณ์ (Capstone) - มหาวิทยาลัยอัลเบอร์ตา
TUN ช่วยนักศึกษา!
ทุนการศึกษา
สังคม
ลิขสิทธิ์ 2024 – TUN, Inc