課程信息

220,090 次近期查看
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 1 門課程(共 4 門)
可靈活調整截止日期
根據您的日程表重置截止日期。
中級

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

完成時間大約為15 小時
英語(English)

您將獲得的技能

Artificial Intelligence (AI)Machine LearningReinforcement LearningFunction ApproximationIntelligent Systems
可分享的證書
完成後獲得證書
100% 在線
立即開始,按照自己的計劃學習。
第 1 門課程(共 4 門)
可靈活調整截止日期
根據您的日程表重置截止日期。
中級

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

完成時間大約為15 小時
英語(English)

提供方

Placeholder

阿尔伯塔大学

Placeholder

Alberta Machine Intelligence Institute

教學大綱 - 您將從這門課程中學到什麼

內容評分Thumbs Up93%(9,608 個評分)Info
1

1

完成時間為 1 小時

Welcome to the Course!

完成時間為 1 小時
4 個視頻 (總計 20 分鐘), 2 個閱讀材料
4 個視頻
Course Introduction5分鐘
Meet your instructors!8分鐘
Your Specialization Roadmap3分鐘
2 個閱讀材料
Reinforcement Learning Textbook10分鐘
Read Me: Pre-requisites and Learning Objectives10分鐘
完成時間為 4 小時

An Introduction to Sequential Decision-Making

完成時間為 4 小時
8 個視頻 (總計 46 分鐘), 3 個閱讀材料, 2 個測驗
8 個視頻
Learning Action Values4分鐘
Estimating Action Values Incrementally5分鐘
What is the trade-off?7分鐘
Optimistic Initial Values6分鐘
Upper-Confidence Bound (UCB) Action Selection5分鐘
Jonathan Langford: Contextual Bandits for Real World Reinforcement Learning8分鐘
Week 1 Summary3分鐘
3 個閱讀材料
Module 1 Learning Objectives10分鐘
Weekly Reading30分鐘
Chapter Summary30分鐘
1 個練習
Sequential Decision-Making45分鐘
2

2

完成時間為 3 小時

Markov Decision Processes

完成時間為 3 小時
7 個視頻 (總計 36 分鐘), 2 個閱讀材料, 2 個測驗
7 個視頻
Examples of MDPs4分鐘
The Goal of Reinforcement Learning3分鐘
Michael Littman: The Reward Hypothesis12分鐘
Continuing Tasks5分鐘
Examples of Episodic and Continuing Tasks3分鐘
Week 2 Summary1分鐘
2 個閱讀材料
Module 2 Learning Objectives10分鐘
Weekly Reading30分鐘
1 個練習
MDPs45分鐘
3

3

完成時間為 3 小時

Value Functions & Bellman Equations

完成時間為 3 小時
9 個視頻 (總計 56 分鐘), 3 個閱讀材料, 2 個測驗
9 個視頻
Value Functions6分鐘
Rich Sutton and Andy Barto: A brief History of RL7分鐘
Bellman Equation Derivation6分鐘
Why Bellman Equations?5分鐘
Optimal Policies7分鐘
Optimal Value Functions5分鐘
Using Optimal Value Functions to Get Optimal Policies8分鐘
Week 3 Summary4分鐘
3 個閱讀材料
Module 3 Learning Objectives10分鐘
Weekly Reading30分鐘
Chapter Summary13分鐘
2 個練習
[Practice] Value Functions and Bellman Equations45分鐘
Value Functions and Bellman Equations45分鐘
4

4

完成時間為 4 小時

Dynamic Programming

完成時間為 4 小時
10 個視頻 (總計 72 分鐘), 3 個閱讀材料, 2 個測驗
10 個視頻
Iterative Policy Evaluation8分鐘
Policy Improvement4分鐘
Policy Iteration8分鐘
Flexibility of the Policy Iteration Framework4分鐘
Efficiency of Dynamic Programming5分鐘
Warren Powell: Approximate Dynamic Programming for Fleet Management (Short)7分鐘
Warren Powell: Approximate Dynamic Programming for Fleet Management (Long)21分鐘
Week 4 Summary2分鐘
Congratulations!3分鐘
3 個閱讀材料
Module 4 Learning Objectives10分鐘
Weekly Reading30分鐘
Chapter Summary30分鐘
1 個練習
Dynamic Programming45分鐘

審閱

來自FUNDAMENTALS OF REINFORCEMENT LEARNING的熱門評論

查看所有評論

關於 强化学习 專項課程

强化学习

常見問題

還有其他問題嗎?請訪問 學生幫助中心