Từ nhập môn học tăng cường đến Deep Q-learning/Policy Gradient
Những thành tựu đáng kinh ngạc gần đây trong lĩnh vực trí tuệ nhân tạo đều đang được công bố trong lĩnh vực học tăng cường. Cuốn sách này bao quát từ cấp độ cơ bản đến nâng cao về công nghệ học tăng cường - thứ đang tạo ra những đổi mới thực sự trong công nghệ trí tuệ nhân tạo như robot, công nghệ tự lái và máy móc giống con người - dưới góc nhìn dễ hiểu dành cho người mới bắt đầu.
Thật sự khá khó, nhưng so với các bài giảng khác thì giải thích rất chi tiết nên tôi đang học hỏi được rất nhiều. Tôi nghĩ đây là bài giảng tốt nhất trong nước.
5.0
okputto
61% đã tham gia
Tôi đã tìm các tài liệu học tập liên quan vì học tăng cường rất khó, và tôi nghĩ tôi đã hiểu đầy đủ thông qua khóa học này.
Đặc biệt, tôi hài lòng vì bài giảng được chia thành 2 giai đoạn thực hành (luồng, mã hóa thực tế) và bạn đã giải thích các giá trị trung gian một cách thân thiện thông qua gỡ lỗi.
Cảm ơn bạn.
5.0
임진섭
31% đã tham gia
Bạn sẽ nhận được điều này sau khi học.
Lịch sử của học tăng cường và quá trình biến đổi các kỹ thuật quan trọng
Lý thuyết học tăng cường truyền thống
Kỹ năng thực hành triển khai mô hình học tăng cường
Lý thuyết học tăng cường hiện đại ứng dụng học sâu
Cơ bản về PyTorch
Khi vào là người mới, khi ra là chuyên gia! Tất tần tật về học tăng cường chỉ trong một khóa học 🤩
Học tăng cường, học theo cấp độ của người mới bắt đầu! 📖
Học tăng cường không tập trung vào dữ liệu như học sâu/học máy mà chúng ta thường biết, mà là một phương pháp học của trí tuệ nhân tạo được phát triển dựa trên cơ chế thử và sai. Với sự phát triển gần đây của học sâu, học sâu và học tăng cường đã kết hợp với nhau, từ đó nhiều phương pháp học tăng cường khác nhau đã được áp dụng để giải quyết các vấn đề thực tế. Hiện nay, nó đã trở thành một lĩnh vực quan trọng của trí tuệ nhân tạo và thuật toán với nhiều trường hợp thành công.
Khóa học này sử dụng PyTorch làm công cụ học sâu, nội dung bao quát từ kiến thức cơ bản đến nâng cao về học tăng cường. Tôi đã cố gắng giải thích một cách dễ hiểu mà không sử dụng các phép toán phức tạp, đồng thời khóa học được dẫn dắt tập trung vào thực hành để bạn có thể áp dụng vào công việc thực tế.
Chương trình giảng dạy đã được kiểm chứng đang được giảng dạy trong các lớp học offline thực tế currently being taught in actual offline classes
Tài liệu bài giảng được nâng cao độ hoàn thiện thông qua phản hồi từ các học viên trực tiếp
Bài giảng thực hành mang tính ứng dụng cao
Đối tượng học viên/Mục tiêu khóa học 🙆♀️
Những người quan tâm đến học tăng cường
Nhà phát triển muốn áp dụng học tăng cường vào công việc
Những người muốn mở rộng phạm vi kiến thức về trí tuệ nhân tạo
Bạn sẽ học được những điều này 📚
1. Lịch sử của học tăng cường
2. Lập trình động (Dynamic Programming)
3. Phương pháp Monte Carlo
4. Temporal Difference Method (Học tập sai biệt thời gian)
5. Deep Q-learning
Bài giảng đi kèm với thực hành! 🔥
Lưu ý trước khi học 📢
Môi trường thực hành
Windows, Mac, Linux đều có thể sử dụng được.
Công cụ sử dụng: VSCODE, Jupyter Notebook, Colab
Cấu hình PC: Cấu hình thông thường
Tài liệu học tập
Các định dạng tài liệu học tập được cung cấp (PPT, liên kết đám mây, văn bản, mã nguồn, tài sản, chương trình, bài tập ví dụ, v.v.)
Thời lượng, dung lượng và các đặc điểm khác của tài liệu học tập
Khoan đã! ✋ Bạn cần có kiến thức cơ bản về Python để có thể theo học khóa học này.
Tôi đề xuất các bài giảng hay để nghe cùng nhau theo từng loại.
Type 1Những người còn thiếu kỹ năng Python cơ bản nhưng không có nhiều thời gian và cần một khóa học Crash cấp tốc
Type 2Những người muốn học kiến thức nền tảng về Machine Learning/Deep Learning một cách bài bản từng bước một
Type 3Những người muốn học ngôn ngữ Python một cách bài bản và chắc chắn
Câu hỏi thường gặp Q&A 💬
Q. Sử dụng ngôn ngữ lập trình nào?
Thuật toán được triển khai bằng ngôn ngữ Python.
Q. Có cần kiến thức nền tảng về Deep Learning không?
Đúng vậy. Vui lòng tham khảo hướng dẫn về các khóa học tiên quyết.
Q. Khóa học sử dụng khung làm việc (framework) học sâu nào?
Chúng tôi đang triển khai mạng học sâu bằng cách sử dụng PyTorch. Khóa học có bao gồm một khóa học cấp tốc (crash course) về PyTorch, vì vậy bạn không cần phải biết cách sử dụng PyTorch trước đó cũng không sao.
Giới thiệu về người chia sẻ kiến thức ✒️
Tôi là giảng viên chuyên về trí tuệ nhân tạo, đã giảng dạy về Python và AI trong suốt 5 năm qua.
Các bài giảng sau đây đã được đăng tải trên Inflearn.
Khuyến nghị cho những người này
Khóa học này dành cho ai?
Người có thể lập trình Python
Người có kiến thức cơ bản về Deep Learning
Những người muốn biết về nguyên lý của học tăng cường
Tôi là một Senior Developer với nhiều năm kinh nghiệm phát triển. Tôi muốn chia sẻ những kiến thức và kinh nghiệm đã tích lũy được trong lĩnh vực IT suốt hơn 30 năm qua, từng làm việc tại phòng máy tính của Hyundai Engineering & Construction, Samsung SDS, công ty thương mại điện tử Xmetrics và bộ phận máy tính của Citibank. Hiện tại, tôi đang giảng dạy về Trí tuệ nhân tạo và Python.
Thật sự khá khó, nhưng so với các bài giảng khác thì giải thích rất chi tiết nên tôi đang học hỏi được rất nhiều. Tôi nghĩ đây là bài giảng tốt nhất trong nước.
Tôi đã tìm các tài liệu học tập liên quan vì học tăng cường rất khó, và tôi nghĩ tôi đã hiểu đầy đủ thông qua khóa học này.
Đặc biệt, tôi hài lòng vì bài giảng được chia thành 2 giai đoạn thực hành (luồng, mã hóa thực tế) và bạn đã giải thích các giá trị trung gian một cách thân thiện thông qua gỡ lỗi.
Cảm ơn bạn.