Programa del Curso

Introducción

  • Resolver problemas del mundo real a través de interacciones de prueba y error

Comprensión de los sistemas de aprendizaje adaptativo y Artificial Intelligence (AI).

Cómo perciben los agentes el estado

Cómo recompensar a un agente

Estudio de caso: Interacción con los visitantes del sitio web

Preparación del entorno para el agente

Profundización en Reinforcement Learning algoritmos

Métodos basados en valores frente a métodos basados en políticas

Elección de un modelo Reinforcement Learning

Uso del algoritmo Q-Learning Model-Free Reinforcement Learning

Diseño del agente

Caso de estudio: Asistentes inteligentes

Interfaz del agente con un entorno de producción

Medición de los resultados de las acciones de los agentes

Solución de problemas

Resumen y conclusión

Requerimientos

  • Una comprensión general del aprendizaje por refuerzo
  • Experiencia con el aprendizaje automático
  • Java Experiencia en programación

Audiencia

  • Científicos de datos
  21 horas
 

Número de participantes


Comienza

Termina


Dates are subject to availability and take place between 09:30 and 16:30.
Los cursos de formación abiertos requieren más de 5 participantes.

Testimonios (4)

Cursos Relacionados

Categorías Relacionadas