在本课程中,您将通过 Unity 和 Python 中的游戏设计了解机器学习的基础知识。首先,您将了解 ML 和 Python 的基础知识,您将学习诸如监督学习、回归和梯度下降等简单的 ML 概念。之后您将熟悉强化学习,并尝试在 Unity 环境中理解和应用强化学习、深度神经网络和其他算法的组合,以帮助您的智能体完成复杂和动态的任务。最后,您将学习如何构建动态的全功能 RL 环境和代理,以便您稍后在游戏中进行训练。您不仅可以从头开始创建自己的 RL 算法(例如 Q-learning、SARSA 和 PPO),还可以自定义它们以满足您的环境需求,并在 Unity 中培训您的代理。您将获得 ML 行业中广泛使用的工具和库的经验,例如:Unity3D、Pytorch、mlagents-learn、scikit-learn 等。我们希望本课程能帮助您更好地理解并为您在自己的游戏中开发真正智能的代理和角色的旅程做好准备。让我们开始吧!
Published 4/2023
Created by Robotics school Robotikos mokykla
MP4 | Video: h264, 1280×720 | Audio: AAC, 44.1 KHz, 2 Ch
Genre: eLearning | Language: English | Duration: 22 Lectures ( 5h 31m ) | Size: 4 GB
此课程面向哪些人:
- 想要深入研究 AI 的初级程序员。
- 适用于希望使用 Python 在 Unity 中创建自己的强化学习算法的每个人。
- 对于想要深入研究游戏开发和 AI 的人
你将会学到的
- 学生将学习中级水平的 Unity 编码:他们将学习基本的编程概念以及如何创建电脑游戏。
- 学生将学习训练一个简单的强化学习算法来完成所需的任务。
- 学生将能够训练策略优化算法的组合来训练代理人行走并达到目标
- 您将能够创建自己的游戏环境和代理。
- 您将能够训练进化算法来平衡角色头部的球。
- 使用 python 进行机器学习简介
- 学生将能够训练 CNN 和 PPO 算法的组合。
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。