Practical AI with Python and Reinforcement Learning

学习如何使用强化学习技术创建实用的人工智能程序！

学习内容：

• 使用Python进行强化学习
• 使用TensorFlow创建人工神经网络
• 使用TensorFlow创建用于图像的卷积神经网络
• 使用OpenAI处理内置游戏环境
• 使用OpenAI为任何问题创建自己的环境
• 创建人工智能代理
• 表格Q学习
• 状态-动作-奖励-状态-动作（SARSA）
• 深度Q学习（DQN）
• 使用卷积神经网络的DQN
• 强化学习的交叉熵方法
• 双重DQN
• 决斗DQN

本课程包括：

• 26.5小时按需视频
• 6篇文章
• 9个可下载资源
• 在移动设备和电视上访问
• 终身访问
• 完成证书

价格：$59.99

教程评分：4.6/5

• 评分人数：1,152
• 学生人数：12,104

教程语言：英语

教程字幕：中英文字幕

课程要求：

• 需要非常熟悉基础Python和安装Python库
• 这不是一个初级课程，我们强烈建议您先参加我们的“数据科学和机器学习大师班”课程！

课程描述：

请注意！本课程是“抢先体验”发布，我们仍在更新和添加内容，请在注册前注意课程尚未完成。

“未来已经在这里——只是分布还不均匀。”

你有没有想过人工智能是如何实际工作的？你想能够利用神经网络和强化学习的力量创建能够解决具有复杂性任务的智能代理吗？

这是在线学习如何使用Python利用神经网络的力量来创建人工智能代理的终极课程！

本课程专注于实用方法，让你实际构建和创建智能代理，而不仅仅是展示其他在线课程中的小型玩具示例。在这里，我们专注于让你能够将人工智能应用于你自己的问题、环境和情况，而不仅仅是那些包含在特定库中的问题。

本课程涵盖以下主题：

• 人工神经网络
• 卷积神经网络
• 经典Q学习
• 深度Q学习
• SARSA
• 交叉熵方法
• 双重DQN
• 等等更多！

我们设计了这门课程，让你能够在自己的环境中创建自己的深度强化学习代理。课程专注于理论与直觉和可用代码的正确平衡。课程使用幻灯片中的清晰示例将数学方程式与实际代码实现联系起来，然后展示如何手动实现执行强化学习的方程式。

我们首先向你展示如何使用Keras和TensorFlow进行深度学习，然后深入介绍强化学习概念，如Q学习。然后我们可以结合这些想法，引导你通过深度强化学习代理，如深度Q网络！

还有很多内容即将推出，希望你能加入我们的课程！

Jose

适合哪些人：

• 熟悉Scikit-Learn等机器学习基础的Python开发人员，但现在想学习如何通过强化学习创建人工智能代理

B站免费课程

更多人工智能教程