Что даст вам этот курс? Курс предназначен для DS/DL/ML специалистов, которые хотят погрузиться в алгоритмы обучения с подкреплением. После прохождения курса студенты научатся применять алгоритмы RL для решения разнообразных задач в реальном мире, включая игровую индустрию, робототехнику, управление энергетическими системами и управление финансовым портфелем. Для кого этот курс? - DS/ML/DL специалисты, которые хотят углубить знания в области обучения с подкреплением и получить практический опыт; - Разработчики с базовыми навыками Python и ML, которые хотят получить опыт работы с рекомендательными системами; - Выпускники курсов по машинному обучению После обучения вы: - Овладеете основными алгоритмами RL, такими как Q-learning, SARSA, Monte Carlo - Научитесь строить модель среды и агента, а также проводить обучение на простых игровых сценариях - Изучите такие алгоритмы, как Deep Q-Network (DQN), Policy Gradient (PG), Actor-Critic, и сможете реализовать их в своих проектах - Познакомитесь с продвинутыми темами в Reinforcement Learning, такими как оптимальное управление, методы обучения со скользящим горизонтом, Model-based RL - Научитесь применять RL для решения конкретных задач и понимать, как это применение работает на практике. Особенности курса Особенностью курса является его фокус на практических примерах и проектной работе. Студенты получат необходимые знания для реализации RL алгоритмов в своих собственных проектах и приложениях. Необходимые знания: - базовое знакомство с Python; - базовые знания линейной алгебры (матрицы, векторы, градиентный спуск); - базовые навыки работы с ML (pandas, sklearn, линейная регрессия, логистическая регрессия).
