你有没有想过人工智能实际上是如何工作的？您是否希望能够利用神经网络和强化学习的力量来创建可以解决具有人类水平复杂性的任务的智能代理？
这是学习如何使用 Python 来利用神经网络的力量来创建人工智能代理的终极在线课程！
本课程侧重于一种实用的方法，让您坐在驾驶座上实际构建和创建智能代理，而不是像许多其他在线课程一样向您展示小玩具示例。在这里，我们专注于赋予您将人工智能应用于您自己的问题、环境和情况的能力，而不仅仅是那些包含在利基库中的！
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
非典
交叉熵方法
双DQN
以及更多！
我们设计本课程的目的是让您能够在自己的环境中创建自己的深度强化学习代理。它侧重于一种实用的方法，在理论和直觉与可用代码之间取得适当的平衡。本课程使用幻灯片中的清晰示例将数学方程与实际代码实现联系起来，然后展示如何手动实现进行强化学习的方程。
在深入研究强化学习概念（例如 Q-Learning）之前，我们将首先向您展示使用 Keras 和 TensorFlow 进行深度学习的工作原理。然后我们可以结合这些想法来引导您了解深度强化学习代理，例如 Deep Q-Networks！
MP4 | 视频：h264，1280×720 | 音频：AAC，44.1 KHz，2 Ch
类型：电子学习 | 语言：英语+srt | 持续时间: 120 讲座 (20h 40m) | 大小：6.1 GB
您将学到：
使用 Python 进行强化学习 使用 TensorFlow
创建人工神经网络
使用 TensorFlow 为图像创建卷积神经网络
使用 OpenAI 处理内置游戏环境
使用 OpenAI 为任何问题
创建您自己的环境创建人工智能代理
表格Q-Learning
State-action-reward-state-action (SARSA)
深度 Q-Learning (DQN)
DQN 使用卷积神经网络
交叉熵方法进行强化学习
双 DQN
