Plan du cours

Introduction

  • Résoudre des problèmes du monde réel par des interactions d'essai et d'erreur

Comprendre les systèmes d'apprentissage adaptatifs et Artificial Intelligence (AI).

Comment les agents perçoivent l'état

Comment récompenser un agent

Étude de cas : Interagir avec les visiteurs d'un site web

Préparation de l'environnement pour l'agent

Plongée en profondeur dans les algorithmes Reinforcement Learning

Méthodes fondées sur la valeur et méthodes fondées sur la politique

Choisir un modèle Reinforcement Learning

Utilisation de l'algorithme Q-Learning Model-Free Reinforcement Learning (sans modèle)

Conception de l'agent

Étude de cas : Assistants intelligents

Interfaçage de l'agent avec un environnement de production

Mesurer les résultats des actions des agents

Dépannage

Résumé et conclusion

Pré requis

  • Une compréhension générale de l'apprentissage par renforcement
  • Expérience de l'apprentissage automatique
  • Java expérience en programmation

Public

  • Data scientists
  21 heures

Nombre de participants


Début

Fin


Dates are subject to availability and take place between 09:30 and 16:30.

Prix par participant

Nos Clients témoignent (4)

Cours Similaires

Catégories Similaires