À propos de ce cours

21,141 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. 8 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. 8 heures pour terminer

Recommandé : 4-6 hours/week...

Anglais

Sous-titres : Anglais

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

1 heures pour terminer

Welcome to the Final Capstone Course!

1 heures pour terminer
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

Semaine 2

1 heures pour terminer

Milestone 1: Formalize Word Problem as MDP

1 heures pour terminer
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

Semaine 3

1 heures pour terminer

Milestone 2: Choosing The Right Algorithm

1 heures pour terminer
7 vidéos (Total 40 min)
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 exercices pour s'entraîner
Choosing the Right Algorithm
Semaine
4

Semaine 4

1 heures pour terminer

Milestone 3: Identify Key Performance Parameters

1 heures pour terminer
4 vidéos (Total 25 min)
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 exercices pour s'entraîner
Impact of Parameter Choices in RL40 min
4.6
25 avisChevron Right

Meilleurs avis pour A Complete Reinforcement Learning System (Capstone)

par JSDec 6th 2019

This course changed my life! It was so good and I learned so much. I can't believe I'm now an astronaut. Next mission: go to Mars!

par SANov 9th 2019

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

Enseignants

Évaluation de l'enseignant4.8/5 (10 notes)Info
Image de l'enseignant, Martha White

Martha White 

Assistant Professor
Computing Science
14,750 étudiants
4 cours
Image de l'enseignant, Adam White

Adam White 

Assistant Professor
Computing Science
14,750 étudiants
4 cours

Offert par

Logo Université de l'Alberta

Université de l'Alberta

Logo Alberta Machine Intelligence Institute

Alberta Machine Intelligence Institute

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.