Учебные материалы
347 BYN
Обучение с подкреплением с нуля
Понятный вход в Reinforcement Learning: агент и среда, возврат, политики и ценности, исследование, MDP, Q-learning и SARSA. Практикуемся на небольших Python-средах, знакомимся с Deep RL и Gymnasium, разбираем безопасность, reward hacking и случаи, где RL не нужен.
18
уроков в программе
уровень: С нуля
2
формата работы
Код · AI-ментор
IDE
на платформе
код и тесты — без установки ПО
Чему научитесь
- Сформулировать RL-задачу через агента, среду, состояние, действия и награду
- Объяснить возврат, дисконтирование, политики и функции ценности
- Собрать и проверить маленький табличный эксперимент с Q-learning или SARSA
- Отличать обзор Deep RL от готового производственного решения
18 уроков · 144 шага
- урок 1
Что такое обучение с подкреплением
Отличаем RL от обучения по примерам и поиска закономерностей.
- урок 2
Агент, среда и цикл взаимодействия
Собираем основной цикл RL из шести терминов.
- урок 3
Состояние, действие и награда
Учимся формулировать задачу так, чтобы агент мог учиться.
- урок 4
Возврат и дисконтирование
Почему будущая награда важна, но не всегда равна сегодняшней.
консультация 1:1
Индивидуальная консультация по этому направлению
Запишитесь на созвон с ментором: разбор кода, проекта, карьерного плана или практики с материалами платформы. Это часть консультационной услуги, не массовый онлайн-курс.
- Индивидуальное репетиторство · Zoom
- 60 мин
- по заявке