Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Duration 28 hours
Course Outline
Uvod u učenje sa jačanjem i agentsku veštačku inteligenciju
- Donošenje odluka u uslovima nesigurnosti i sekvencijalno planiranje
- Ključne komponente RL: agenti, okruženja, stanja i nagrade
- Uloga RL u adaptivnim i agentskim sistemima veštačke inteligencije
Markovljevi procesi odlučivanja (MDP)
- Formalna definicija i svojstva MDP
- Funkcije vrednosti, Belmanove jednačine i dinamičko programiranje
- Evaluacija, poboljšanje i iteracija politika
Učenje sa jačanjem bez modela
- Monte Carlo i Temporal-Difference (TD) učenje
- Q-learning i SARSA
- Praksa: implementacija tabelarnih RL metoda u Python-u
Duboko učenje sa jačanjem
- Kombinovanje neuronskih mreža sa RL za aproksimaciju funkcija
- Duboke Q-mreže (DQN) i reprodukcija iskustava
- Actor-Critic arhitekture i gradijenti politika
- Praksa: obuka agenta koristeći DQN i PPO sa Stable-Baselines3
Strategije istraživanja i oblikovanje nagrada
- Balansiranje između istraživanja i iskorišćavanja (ε-greedy, UCB, entropijske metode)
- Dizajniranje funkcija nagrada i izbegavanje neželjenih ponašanja
- Oblikovanje nagrada i učenje kroz kurikulume
Napredne teme u RL-u i donošenju odluka
- Množinsko učenje sa jačanjem i kooperativne strategije
- Hijerarhijsko učenje sa jačanjem i framework opcija
- Offline RL i učenje imitacijom radi bezbednijeg raspodele
Simulaciona okruženja i evaluacija
- Korišćenje OpenAI Gym-a i prilađenih okruženja
- Kontinuirani naspram diskretnih prostora akcija
- Metrice za učinak, stabilnost i efikasnost uzorkovanja agenata
Integracija RL-a u agentske sisteme veštačke inteligencije
- Kombinovanje razmišljanja i RL-a u hibridnim arhitekturama agenata
- Integracija učenja sa jačanjem sa agentima koji koriste alate
- Operativne razmatranja za skaliranje i raspodele
Završni projekat
- Dizajn i implementacija agenta učenja sa jačanjem za simulirani zadatak
- Analiza učinka obuke i optimizacija hiperparametara
- Demonstracija adaptivnog ponašanja i donošenja odluka u agentskom kontekstu
Zaključak i sledeći koraci
Requirements
- Jako dobro znanje programiranja u Python-u
- Čvrsto razumevanje koncepta mašinskog učenja i dubokog učenja
- Poznavanje linearne algebre, verovatnoće i osnovnih metoda optimizacije
Publika
- Inženjeri učenja sa jačanjem i istraživači primenjene veštačke inteligencije
- Razvojni inženjeri za robotiku i automatizaciju
- Inženjerska tima koja rade na adaptivnim i agentskim sistemima veštačke inteligencije
Testimonials (3)
The trainer is patient and very helpful. He knows the topic well.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Course - Agentic AI for Business Automation: Use Cases & Integration
Odlična mešavina znanja i prakse
Ion Mironescu - Facultatea S.A.I.A.P.M.
Course - Agentic AI for Enterprise Applications
Machine Translated
The mix of theory and practice and of high level and low level perspectives
