教程演示🔗
你将会学到的
-
在 C# 中从头开始构建遗传算法。
-
在 C# 中从头开始构建神经网络。
-
设置和探索 Unity ML-Agents 插件。
-
设置并使用 Tensorflow 训练游戏角色。
-
应用新发现的机器学习知识，将该领域的当代研究理念融入他们自己的项目中。
-
将机器学习背后的数学和统计提炼为工作程序代码。
-
使用近端策略优化来训练神经网络。
要求
-
您应该熟悉 Unity 游戏引擎。
-
您应该具备 C# 的应用知识。
-
您应该对数学和统计学有良好的认识。
说明
如果您可以构建一个可以边玩边学习的角色会怎么样？想想你可以开发什么样的游戏玩法，让敌人开始智取玩家。这就是游戏中机器学习的全部内容。在本课程中，我们将探索超越简单事物的迷人人工智能世界，并研究日益流行的学习独立思考的机器领域。
在本课程中，Penny 介绍了流行的遗传算法和神经网络机器学习技术，利用她在游戏角色 AI 领域获得国际认可的教学风格和知识，以及超过 25 年的游戏和计算机图形学工作经验。此外，她还撰写了两本关于游戏 AI 的获奖书籍和另外两本关于 Unity 游戏开发的畅销书。在整个课程中，您将参加旨在教您基本机器学习技术的实践研讨会，以一种让大多数新手都能理解该主题的方式提炼数学。
了解如何编程和使用：
- 遗传算法
- 神经网络
- 人类玩家捕获的训练集
- 强化学习
- Unity 的 ML-Agent 插件
- 张量流
内容和概述
本课程从对遗传算法的全面检查开始，这将使您轻松掌握能够进行非凡学习的最简单的机器学习技术之一。您将开发一个学习伪装的代理，一个受 Flappy Bird 启发的应用程序，在该应用程序中，鸟类学会通过迷宫，以及学习留在平台上的环境感应机器人。
在此之后，您将直接使用 C# 从头开始创建您自己的神经网络。通过这个基本的神经网络，您将了解如何训练行为、捕获和使用人类玩家数据来训练代理和教机器人驾驶。在将 Q-learning 算法集成到您自己的应用程序之前，您将在同一部分中解释它。
到这个阶段，您会对整个深度学习社区使用的术语和技术充满信心，并准备好应对 Unity 的实验性 ML-Agents。与 Tensorflow 一起，您将把代理投入深端并加强他们的知识，以便在各种游戏环境场景中保持活力。
到课程结束时，您将拥有一套装备精良的基本和可靠的机器学习算法和应用程序工具集，这将使您能够破译最新的研究出版物并将最新的发展整合到您的工作中，同时与时俱进Unity 的 ML-Agents 从实验版发展到生产版。
学生对本课程的评价：
- 如果您是使用 C# 和 Unity 的游戏开发人员，这绝对是神经网络/机器学习高级入门课程的最佳选择。BAR NONE x Infinity。
- 一个完美的课程，包含出色的数学示例和 Unity 内部 TensorFlow 功能的演示。完成本课程后，您将获得强大的机器学习基础知识。
- 讲师非常有吸引力且知识渊博。我从第一节课开始学习，而且从未停止过。如果您对机器学习感兴趣，请参加本课程。
此课程面向哪些人：
- 任何想要了解机器学习在游戏中的潜力的人。
- 任何想要更深入了解 Unity 的 ML-Agents 背后的算法和理论的人。
- 任何想知道如何设置和使用 ML-Agent 的人。
课程描述
