Reinforcement Learning
Рейтинг школы
Вдруг есть дешевле?
Описание курса
Научим внедрять RL-алгоритмы на практике в играх, робототехнике, энергетике и финансах
Введение в Reinforcement Learning
Модуль начинается с общего введения, охватывает ключевые особенности обучения с подкреплением, основные алгоритмы. Вы рассмотрите, как построить модель окружения и агента, и примените свои знания на простых сценариях.
Deep Reinforcement Learning
В этом модуле вы рассмотрите введение в глубокое обучение с подкреплением, которое объясняет значимость глубоких Q-сетей, представляет алгоритмы на основе политик.
Advanced Reinforcement Learning
Модуль содержит более сложные темы и глубже раскрывает пройденный материал.
Применение RL в реальных задачах
Модуль посвящен обзору практических примеров применения RL.
Проектная работа
Заключительный месяц курса посвящен проектной работе.
онлайн
- Игорь Стурейко (к.ф.-м.н., Teamlead, главный инженер, FinTech)
- Андрей Канашов (Senior Data Scientist, Самолет)
- Сергей Доронин (Ведущий инженер-программист, ЗАО Астраханские Цифровые Технологии)
- Анастасия Капралова (CEO и сооснователь IT компании, kapralov.ai)
- Анатолий Чудаков (Team Lead, Онлайн-кинотеатр Wink)
- Понимать, как работает обучение с подкреплением
- Создавать модели окружения и обучать агентов RL
- Использовать нейронные сети в RL
- Применять алгоритмы Deep RL
- Решать конкретные задачи с помощью RL
- ML-инженеры
- Специалисты по Data Science
- Fullstack-разработчики
- Системные аналитики
- Deep Learning инженеры
Необходимо базовое знакомство с Python, линейной алгебры и ML.
Выводы о курсе
Возможны неточности
Курс «Reinforcement Learning» предлагает глубокое изучение методов обучения с подкреплением, целевая аудитория включает специалистов различных направлений. Студенты получат уникальные навыки применения RL в играх, робототехнике и финансах, а также доступ к карьерной поддержке и материалам после завершения курса.
Отзывы о школе OTUS
Читать все отзывыВопрос-ответ
Рекомендованные курсы
