Udemy – Apprentissage par renforcement avec Python – Vol.2
Udemy – Apprentissage par renforcement avec Python – Vol.2
RAR | Vidéo + Fichiers source | Français | 9 H 57 Min | 6.2 Go
Intelligence artificielle (IA), Reinforcement Learning (RL), Tensorflow, Keras, neurones artificiels en Python. À l’heure actuelle, l’apprentissage par renforcement se révèle comme la façon la plus efficace de faire appel à la créativité des machines. Contrairement à un humain, une intelligence artificielle peut effectuer des milliers de tentatives en simultané. Il suffit pour ce faire de lancer le même algorithme en parallèle sur une puissante infrastructure informatique.
Cette formation fait suite à ma précédente formation d’initiation à l’apprentissage par renforcement (partie 1). Dans cette nouvelle formation, vous allez étendre toutes les connaissances et les méthodes acquises dans le cadre d’environnements finis sur des environnements infinis, sur des tâches épisodiques et continues.
Vous apprendrez par exemple à coder des approximations de fonctions linéaires et non linéaires à l’aide de réseaux de neurones artificiels sous Keras / Tensorflow, à coder des algorithmes en ligne (on-policy) deep Sarsa et hors ligne (off-policy) deep Q-learning… Et bien plus encore ! J’ai pris soin dans cette formation de vous fournir des explications claires et de nombreux exemples vous permettront de bien comprendre comment sont construits les algorithmes et comment les mettre en œuvre en Python. Cette formation est organisée de la manière suivante :
• Prédiction de type on-policy par approximations
• Construction des fonctions d’approximations linéaires
• Approximation des fonctions non linéaires avec les réseaux de neurones artificiels
• Contrôle de type on-policy par approximations
• Contrôle on-policy Deep-Sarsa
• Méthodes off-policy avec approximations
• Contrôle off-policy de type deep Q-Learning
Ce que vous apprendrez :
• Apprentissage par renforcement dans les environnement continus
• Apprentissage en ligne et hors ligne (on-policy et off-policy)
• Construire des réseaux de neurones avec Keras et Tensorflow
• Deep reinforment learning (Deep Sarsa, Deep Q-learning)
• Coder des algorithmes avancés d’apprentissage par renforcement en Python
À qui ce cours s’adresse-t-il ?
• Étudiants bac+1/2
• Professionnels cherchant à approfondir leurs connaissances dans l’apprentissage par renforcement
Prérequis :
• Connaissances en Python
• Accès à google colab (gratuit, il faut juste un compte gmail)
• Mathématiques : Notions sur les probabilités, algèbre linéaire (matrices et espaces vectoriels)
Plus d’info:
_https://www.udemy.com/course/apprentissage-par-renforcement-avec-python-partie-2/
