课程大纲

介绍

  • 通过试错交互解决实际问题

了解自适应学习系统和 Artificial Intelligence (AI)。

智能体如何感知状态

如何奖励代理

案例研究:与网站访问者互动

为代理准备环境

深入了解 Reinforcement Learning 算法

基于价值的方法与基于策略的方法

选择 Reinforcement Learning 型号

使用 Q-Learning 无模型 Reinforcement Learning 算法

设计代理

案例研究:智能助手

将代理连接到生产环境

测量代理操作的结果

故障 排除

总结和结论

要求

  • 对强化学习的一般理解
  • 机器学习经验
  • Java 编程经验

观众

  • 数据科学家
 21 小时

人数



每位参与者的报价

客户评论 (3)

相关课程

NetBeans

14 小时

Guava

21 小时

Vaadin

14 小时

Enterprise Application Integrations with Spring Integration

14 小时

Jakarta EE Fundamentals

28 小时

Quarkus for Developers

14 小时

Introduction to Apache Struts 2

14 小时

Learning Gradle

14 小时

Introduction to JavaServer Faces

14 小时

OpenXava

14 小时

Advanced Spring Boot

14 小时

Angular and Spring Boot

14 小时

Apache Camel and Spring Boot

14 小时

Building Microservices with Spring Boot, Docker, and Kubernetes

21 小时

Spring Boot, React, and Redux

14 小时

课程分类