À propos de ce cours
29,493 consultations récentes

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau intermédiaire

Probabilities & Expectations, basic linear algebra, basic calculus, Python 3.0 (at least 1 year), implementing algorithms from pseudocode.

Approx. 12 heures pour terminer

Recommandé : 4-6 hours/week...

Anglais

Sous-titres : Anglais

Compétences que vous acquerrez

Artificial Intelligence (AI)Machine LearningReinforcement LearningFunction ApproximationIntelligent Systems

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Niveau intermédiaire

Probabilities & Expectations, basic linear algebra, basic calculus, Python 3.0 (at least 1 year), implementing algorithms from pseudocode.

Approx. 12 heures pour terminer

Recommandé : 4-6 hours/week...

Anglais

Sous-titres : Anglais

Les étudiants prenant part à ce Course sont

  • Data Scientists
  • Machine Learning Engineers
  • Data Engineers
  • Researchers
  • Professors

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
1 heure pour terminer

Welcome to the Final Capstone Course!

2 vidéos (Total 10 min), 2 lectures
2 vidéos
Meet your instructors!8 min
2 lectures
Reinforcement Learning Textbook10 min
Pre-requisites and Learning Objectives10 min
Semaine
2
1 heure pour terminer

Milestone 1: Formalize Word Problem as MDP

4 vidéos (Total 23 min)
4 vidéos
Andy Barto on What are Eligibility Traces and Why are they so named?9 min
Let's Review: Markov Decision Processes6 min
Let's Review: Examples of Episodic and Continuing Tasks3 min
Semaine
3
1 heure pour terminer

Milestone 2: Choosing The Right Algorithm

7 vidéos (Total 40 min), 1 quiz
7 vidéos
Let's Review: Expected Sarsa3 min
Let's Review: What is Q-learning?3 min
Let's Review: Average Reward- A New Way of Formulating Control Problems10 min
Let's Review: Actor-Critic Algorithm5 min
Csaba Szepesvari on Problem Landscape8 min
Andy and Rich: Advice for Students5 min
1 exercice pour s'entraîner
Choosing the Right Algorithm
Semaine
4
1 heure pour terminer

Milestone 3: Identify Key Performance Parameters

4 vidéos (Total 25 min), 1 quiz
4 vidéos
Let's Review: Non-linear Approximation with Neural Networks4 min
Drew Bagnell on System ID + Optimal Control6 min
Susan Murphy on RL in Mobile Health7 min
1 exercice pour s'entraîner
Impact of Parameter Choices in RL40 min
4.6
5 avisChevron Right

Meilleurs avis pour A Complete Reinforcement Learning System (Capstone)

par SANov 9th 2019

Excellent final course for the specialization. Moon Lander project was informative and fun.

par DCNov 7th 2019

Excellent summary of previous courses in the specialization, great project!

Enseignants

Avatar

Martha White

Assistant Professor
Computing Science
Avatar

Adam White

Assistant Professor
Computing Science

À propos de Université de l'Alberta

UAlberta is considered among the world’s leading public research- and teaching-intensive universities. As one of Canada’s top universities, we’re known for excellence across the humanities, sciences, creative arts, business, engineering and health sciences....

À propos de Alberta Machine Intelligence Institute

The Alberta Machine Intelligence Institute (Amii) is home to some of the world’s top talent in machine intelligence. We’re an Alberta-based research institute that pushes the bounds of academic knowledge and guides business understanding of artificial intelligence and machine learning....

À propos du Spécialisation Apprentissage par renforcement

The Reinforcement Learning Specialization consists of 4 courses exploring the power of adaptive learning systems and artificial intelligence (AI). Harnessing the full potential of artificial intelligence requires adaptive learning systems. Learn how Reinforcement Learning (RL) solutions help solve real-world problems through trial-and-error interaction by implementing a complete RL solution from beginning to end. By the end of this Specialization, learners will understand the foundations of much of modern probabilistic artificial intelligence (AI) and be prepared to take more advanced courses or to apply AI tools and ideas to real-world problems. This content will focus on “small-scale” problems in order to understand the foundations of Reinforcement Learning, as taught by world-renowned experts at the University of Alberta, Faculty of Science. The tools learned in this Specialization can be applied to game development (AI), customer interaction (how a website interacts with customers), smart assistants, recommender systems, supply chain, industrial control, finance, oil & gas pipelines, industrial control systems, and more....
Apprentissage par renforcement

Foire Aux Questions

  • Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.

  • Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.