인프런 영문 브랜드 로고
인프런 영문 브랜드 로고
Game Dev

/

Game Programming

Cuộc chinh phục hoàn chỉnh của Unity Machine Learning Agent (Cơ bản)

Thông qua bài giảng này, sinh viên sẽ không chỉ học các lý thuyết khác nhau về học tăng cường và trực tiếp triển khai chúng mà còn có thể tạo ra môi trường học tăng cường để kiểm tra thuật toán học tăng cường được triển khai bằng tác nhân học máy Unity.

(4.2) 20 đánh giá

477 học viên

Reinforcement Learning(RL)
Machine Learning(ML)
Unity
Unity ML-Agents

Khóa học này dành cho Người học Cơ bản.

Dịch cái này sang tiếng Việt

  • đoàn kết phát triển

  • Tác nhân học máy Unity

  • Xây dựng môi trường học tập củng cố

  • Lý thuyết học tăng cường

  • Triển khai mã học tập tăng cường

Thực hiện môi trường học tập củng cố,
Dễ dàng và thuận tiện với Unity!

Môi trường học tập củng cố ,
Tôi nên chuẩn bị nó như thế nào?

Sau khi AlphaGo tạo được tiếng vang lớn vào năm 2016, sự quan tâm đến Học tăng cường, được cho là đã áp dụng cho AlphaGo, đã tăng lên đáng kể và sự nhiệt tình dường như vẫn còn rất nóng. Các yếu tố chính tạo nên việc học tăng cường này là thuật toán học tăng cường và môi trường học tăng cường như dưới đây. Khi hai thông tin này trao đổi với nhau như hành động, trạng thái và phần thưởng, thuật toán học tăng cường sẽ thực hiện việc học.

Kể từ AlphaGo, các thuật toán học tăng cường đã có nhiều tiến bộ. Để phù hợp với điều này, nhiều loại môi trường học tập tăng cường khác nhau như OpenAI GYM, Mujoco, Atari, GTA5, Malmo, v.v. cũng đã được phát hành. Những môi trường này chủ yếu dựa trên trò chơi. Học tăng cường rõ ràng là một thuật toán tốt để áp dụng cho trò chơi, nhưng gần đây, ngày càng có nhiều nỗ lực áp dụng học tăng cường không chỉ cho trò chơi mà còn cho các lĩnh vực khác nhau như đề xuất, robot, máy bay không người lái, năng lượng và tài chính.

Tuy nhiên, môi trường học tập tăng cường cho các lĩnh vực khác nhau này vẫn còn thiếu. Đặc biệt, rất khó để mong đợi rằng một môi trường đáp ứng chính xác các thông số kỹ thuật cụ thể mà các nhà phát triển mong muốn sẽ được phát hành. Ngay cả khi bạn có môi trường robot với cấu hình cảm biến và cấu trúc khớp cụ thể mà bạn muốn áp dụng học tập tăng cường, thậm chí không thể bắt đầu nghiên cứu nếu không có môi trường học tập tăng cường mở trong lĩnh vực đó.

Sử dụng môi trường đã được tạo
Điều này có nhược điểm của nó.

cho môi trường
Sujeong
khó khăn

Đối với mỗi môi trường
Cách sử dụng cái này
sự khác biệt

cần thiết
môi trường
Có thể không tồn tại

Tuy nhiên, vào tháng 9 năm 2017, Unity, một trong những công ty game engine lớn nhất thế giới, đã phát hành một công cụ có tên Unity Machine-Learning Agent có thể giải quyết vấn đề này.

Với Unity ML-Agent
Thực hiện một môi trường học tập tăng cường!

Làm cách nào để sử dụng Unity Machine Learning Agent ?

Trong bài giảng này, chúng ta sẽ không chỉ học cách triển khai trực tiếp các môi trường học tăng cường khác nhau bằng cách sử dụng tác nhân học máy Unity này mà còn tiến hành lý thuyết và triển khai mã của các thuật toán học tăng cường để áp dụng cho môi trường.

Thông tin trước khi tham gia khóa học!

Nội dung bài giảng này có nội dung giống với cuốn sách “Học tăng cường học tập với PyTorch và Unity ML-Agents” dưới đây! Chúng tôi sẽ đánh giá cao nếu bạn có thể ghi nhớ những vấn đề này trước khi tham gia khóa học!

Học học tăng cường với PyTorch và Unity ML-Agents - Yes24

Làm chủ Unity Machine Learning Agent - Thông tin cơ bản

Toàn bộ nội dung của Bài giảng Làm chủ tác nhân học máy của Unity sẽ được chia thành Cơ bản và Ứng dụng, và bài giảng này là Cơ bản về những điều này. Các chi tiết cụ thể được đề cập trong những điều cơ bản như sau.

  • Học tăng cường thuật ngữ và lý thuyết cơ bản
  • Cài đặt Unity và hướng dẫn sử dụng cơ bản
  • Cài đặt tác nhân máy học Unity, mô tả thành phần, cách sử dụng (mlagents-learn, Python API)
  • tạo môi trường
    • GridWorld, Máy Bay Không Người Lái, Đua Xe Kart
  • Học tăng cường học lý thuyết thuật toán và triển khai mã
    • DQN, A2C, DDPG, Nhân bản hành vi

Mã cho môi trường được tạo và các thuật toán cần học trong bài giảng này đều có trên GitHub .
Các hình ảnh bên dưới là kết quả của việc học thông qua môi trường học tăng cường mà bạn sẽ triển khai trong bài giảng này và thuật toán học tăng cường mà bạn sẽ triển khai.

Tạo môi trường thế giới lưới

Tạo môi trường bay không người lái

Tạo môi trường đua xe Kart

Câu hỏi thường gặp
Hãy kiểm tra nó.

Q. Tôi chưa bao giờ sử dụng Unity trước đây, liệu tôi có thể tham gia khóa học này không?

Để đảm bảo rằng ngay cả những người mới sử dụng Unity cũng có thể dễ dàng theo dõi bài giảng, chúng tôi tiến hành từng bước, bắt đầu từ cài đặt đến tạo một môi trường đơn giản. Mặc dù chúng tôi sẽ không trình bày chi tiết về nội dung của Unity, nhưng sau khi tham gia khóa học, bạn sẽ có thể tạo môi trường bằng cách sử dụng nội dung trong Kho tài sản hoặc tạo một môi trường đơn giản để tạo môi trường học tập tăng cường.

Câu hỏi: Tôi có cần phải làm quen với học tăng cường để sử dụng tác nhân học máy không?

Tác nhân học máy về cơ bản là công cụ hỗ trợ học tăng cường, vì vậy bạn phải biết các khái niệm cơ bản về học tăng cường để sử dụng tác nhân học máy dễ dàng hơn. Tuy nhiên, Unity Machine Learning Agent cung cấp nhiều thuật toán học tăng cường khác nhau, vì vậy bạn có thể sử dụng chúng để tìm hiểu tác nhân trong môi trường học tăng cường. Vì vậy, nếu sử dụng chức năng này, bạn có thể dễ dàng sử dụng tác nhân học máy ngay cả khi bạn không có trong- có kiến ​​thức chuyên sâu về học tập tăng cường.

Hỏi. Tôi có cần hiểu biết sâu sắc về deep learning hoặc có nhiều kinh nghiệm triển khai để tham gia khóa học không?

Nếu bạn có kinh nghiệm triển khai mô hình phân loại dữ liệu MNIST bằng Pytorch, tôi nghĩ bạn sẽ có thể tham gia khóa học mà không gặp nhiều khó khăn. Và ngay cả khi bạn đã sử dụng phiên bản Tensorflow 2.x, tôi nghĩ bạn sẽ có thể tham gia khóa học mà không gặp khó khăn gì nếu chỉ học những điều cơ bản về Pytorch.

Khuyến nghị cho
những người này!

Khóa học này dành cho ai?

  • Các nhà phát triển quan tâm đến việc phát triển môi trường học tập tăng cường

  • Sinh viên và nhà nghiên cứu quan tâm đến lý thuyết và thực hiện học tập tăng cường

Cần biết trước khi bắt đầu?

  • Kinh nghiệm sử dụng Python và PyTorch

  • Lý thuyết deep learning cơ bản (ANN, CNN)

Xin chào
Đây là

579

Học viên

25

Đánh giá

97

Trả lời

4.3

Xếp hạng

2

Các khóa học

Đồng giảng viên

Chương trình giảng dạy

Tất cả

38 bài giảng ∙ (7giờ 18phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

20 đánh giá

4.2

20 đánh giá

  • pnltoen님의 프로필 이미지
    pnltoen

    Đánh giá 1

    ∙

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    非専攻、文科生の簡単なレビュー ＆quot;初心者には広い視野と知識を、その他の方には強化学習とユニティハニーチップを得ることができる講義＆quot; 以前は本も購入しましたが、映像講義があるというニュースにかかってきました…！ ユニティ環境制作、強化学習理論、実習など、本当に充実している講義です。 大きく見ても、2つの分野を細かく教えてくれる講義は本当に一般的ではありません（実はありません…ねぇ）。それに加えて、単純強化学習理論だけでなく、実習、ユニティ環境構築の蜂蜜チップまで、細部の内容が本当に多彩です。 特に単純に文だけあるよりUnityでシミュレーションを進めるので楽しくながらも私がマシンラーニングエージェントを作ることができるんだな…。考えがたくさん聞きました！購入をお悩みの方は、私は購入強力おすすめです!!

    • uce032113674님의 프로필 이미지
      uce032113674

      Đánh giá 1

      ∙

      Đánh giá trung bình 5.0

      5

      100% đã tham gia

      講義はとてもよく聞きました！本当に強化学習初心者入門者のための最高の講義でした。次に深化・応用編に戻るまで一生懸命独学しています。ありがとうございます。

      • 씨네포프21님의 프로필 이미지
        씨네포프21

        Đánh giá 10

        ∙

        Đánh giá trung bình 5.0

        5

        100% đã tham gia

        とても良い講義です！

        • xrart018052님의 프로필 이미지
          xrart018052

          Đánh giá 1

          ∙

          Đánh giá trung bình 5.0

          5

          100% đã tham gia

          講義映像がとても良いです！強化学習の専門知識がなくても十分に理解できており、Unity ML-Agentの韓国語の説明資料を見つけるのが難しいのですが、この講義の一面基礎設計はすべてできて良いです。基礎編だけでなく中級、高級編も楽しみにしていますㅎㅎ

          • talentedwoo0898님의 프로필 이미지
            talentedwoo0898

            Đánh giá 1

            ∙

            Đánh giá trung bình 5.0

            5

            100% đã tham gia

            Unityで学習環境を構成することで、強化学習の実施に全般的な理解ができました。まだUnityでスクリプトの実行にエラーが発生していますが、今後は次第に良くなるでしょう。

            • kyushik
              Giảng viên

              こんにちは！良い受講評を残してくれてありがとう！ Unityスクリプトでどのようなエラーが発生しますか？質問欄に載せていただければ、できるだけ早くお答えします！ :)

          Khóa học khác của kyushik

          Hãy khám phá các khóa học khác của giảng viên!

          Unity Machine Learning Agentの完全征服（アプリケーション）강의 썸네일

          Unity Machine Learning Agentの完全征服（アプリケーション）

          kyushik

          この講義では、マルチエージェント、カリキュラム学習、分散学習など、機械学習エージェントのさまざまな機能について学び、実際に使用することができます。また、好奇心に基づく探索や、可変的な入力にも対応可能な強化学習アルゴリズムについても学習できます。

          중급이상

          중급이상

          Reinforcement Learning(RL), Unity, Unity ML-Agents

          Khóa học tương tự

          Khám phá các khóa học khác trong cùng lĩnh vực!

          Unity Machine Learning Agentの完全征服（アプリケーション）강의 썸네일

          Unity Machine Learning Agentの完全征服（アプリケーション）

          kyushik

          この講義では、マルチエージェント、カリキュラム学習、分散学習など、機械学習エージェントのさまざまな機能について学び、実際に使用することができます。また、好奇心に基づく探索や、可変的な入力にも対応可能な強化学習アルゴリズムについても学習できます。

          중급이상

          중급이상

          Reinforcement Learning(RL), Unity, Unity ML-Agents

          プログラマーのための強化学習（著者直講）강의 썸네일

          プログラマーのための強化学習（著者直講）

          multicoreit

          ビジネスイノベーションの中核技術強化学習に関する最も簡単で詳細な講義！ 1日2時間（2講義）17日以内に強化学習をあなたの手の中に入れます。今、この時から強化学習は理解しにくい問題ではなく、あなたのための素晴らしいツールになります。

          초급

          초급

          Reinforcement Learning(RL), Artificial Neural Network

          Unity 2Dタイルマッププロジェクト강의 썸네일

          Unity 2Dタイルマッププロジェクト

          cosart

          Unityタイルマップの技術を勉強できる講義です。

          초급

          초급

          Unity, C#, unity2d

          機械学習を初めて始める(基礎原理+初級実習)강의 썸네일

          機械学習を初めて始める(基礎原理+初級実習)

          usefulit

          機械学習に初めて接する人々を対象に基礎的な機械学習理論を簡単に取り上げた機械学習基礎講義です。

          초급

          초급

          Machine Learning(ML)

          [初心者向け] AutoKerasで学ぶ機械学習分析강의 썸네일

          [初心者向け] AutoKerasで学ぶ機械学習分析

          dee

          [AutoKerasで学ぶ機械学習]講義では、以前に機械学習で使用されていたKerasライブラリで進化したAutoKerasを学び、直接例を活用してみることができます。

          초급

          초급

          AutoKeras, Keras, Machine Learning(ML)

          非専攻者/入門者向けのData Science（DS）とAI学習＆就職ガイド강의 썸네일

          非専攻者/入門者向けのData Science（DS）とAI学習＆就職ガイド

          aischool

          Data Science（DS）とArtificial Intelligence（AI）に関連する直軍分析科 関連職員としてキャリアを築くための学習と就職のロードマップを学びましょう。

          입문

          입문

          Deep Learning(DL), Machine Learning(ML)

          AI Webプログラミング(Streamlit)강의 썸네일

          AI Webプログラミング(Streamlit)

          bestdjango

          AIデータの分析とモデリング結果をWebプログラムにしましょう。

          입문

          입문

          streamlit, Machine Learning(ML), Django

          シリコンバレーのエンジニアと共にするMLflow강의 썸네일

          シリコンバレーのエンジニアと共にするMLflow

          altoformula

          ML実験管理、まだ手作業ですか？🤔 MLflowで実験の追跡からモデルのデプロイまで自動化し、開発生産性を飛躍的に向上させましょう！データサイエンティストとMLエンジニアなら必須スキル💡 今すぐ始めましょう！🚀

          입문

          입문

          mlflow, Machine Learning(ML), mlops

          Pythonで始まるマシンラーニング+ディープラーニング강의 썸네일

          Pythonで始まるマシンラーニング+ディープラーニング

          ilifo

          機械学習&ディープラーニングの基礎から確実に！ Pythonに分類/回帰/クラスター/人工ニューラルネットワークの作成と活用まで

          초급

          초급

          Python, sklearn, Machine Learning(ML)

          [テンソルフロー2] Pythonマシンラーニング完全征服 - マラソン記録予測プロジェクト강의 썸네일

          [テンソルフロー2] Pythonマシンラーニング完全征服 - マラソン記録予測プロジェクト

          nomad

          ボストンマラソンのビッグデータに基づいて、PythonとTensorflow 2を利用して、多様で有用な機械学習回帰（Regression）と分類（Classification）プロジェクトを理論とともに学ぶ機械学習総合プロジェクトコースです。

          중급이상

          중급이상

          Tensorflow, Machine Learning(ML), Keras

          ビッグデータ分析技士実技Rオールインワン：3週間で終わらせる完璧な対策강의 썸네일

          ビッグデータ分析技士実技Rオールインワン：3週間で終わらせる完璧な対策

          masocampus

          必須資格でありながら、独学では決して簡単ではないビッグデータ分析技士を、 学びやすいデータ分析ツールRを活用して、短期間で完全攻略しましょう！

          초급

          초급

          Engineer Big Data Analysis, Big Data, R

          UnityとGitを活用したコラボレーションガイド강의 썸네일

          UnityとGitを活用したコラボレーションガイド

          sonyrainy

          Unityコラボレーションプロジェクトで使用できる基本的なコラボレーション知識を学びます。 Gitを直接管理する作業方法に進むには、Github DesktopではなくGit Bashを使用します。 理解できない部分があれば質問してください！

          입문

          입문

          Git, GitHub, Unity

          Unity ARで作るFPSゲーム강의 썸네일

          Unity ARで作るFPSゲーム

          박강사

          このレッスンは、ユニティを利用してARで行われるFPSゲームです。 AR設定からビルド後実行までARプロジェクトについて学ぶことができます。

          초급

          초급

          Unity, C#, VR/AR

          スパークマシンラーニングパーフェクトガイド - Part 1강의 썸네일

          スパークマシンラーニングパーフェクトガイド - Part 1

          dooleyz3525

          スパーク機械学習の中核フレームワークの理解、難易度の高い実践問題によるSQLベースのデータ処理、業務ドメイン分析によるデータ分析と最適化された機械学習モデルの実装能力まで、大容量データ基盤から機械学習の専門家として認めたい場合は、この講義と一緒にしてください。

          중급이상

          중급이상

          Apache Spark, Machine Learning(ML), Big Data

          ディープラーニングのための基礎数学강의 썸네일

          ディープラーニングのための基礎数学

          masocampus

          ディープラーニングを本格的に活用するための機械学習の概念、人工知能の学習原理、モデル実装のための数学的原理を知る！

          초급

          초급

          Deep Learning(DL), Machine Learning(ML)

          ずっと使えるUnity VR

          ominseok

          Unity を使用して VR デバイスを接続し、VR コンテンツを開発する方法を学ぶ VR 開発入門講座です。VR の市場性や展望はすでに多くのコンテンツで触れることができるため、あえて取り上げず、実際の開発に必要なコア部分だけを抽出し、簡単に素早く学んで、長く使える VR 開発方法を知りたい方は、こちらへどうぞ!

          초급

          초급

          VR/AR, Unity, Unity VR

          誰でも簡単に理解できる4次産業革命ICBM技術강의 썸네일

          誰でも簡単に理解できる4次産業革命ICBM技術

          joshuachun

          第4次産業革命技術の核心であるICBM（IoT、Cloud、Big Data、ML）および自律走行車、メタバスなどの関連技術を基礎から学習し、今後の技術の変化に備えられる能力を育てるようにします。

          입문

          입문

          IoT, cloud-computing, Machine Learning(ML)

          機械学習/ディープラーニングにつながる線形代数강의 썸네일

          機械学習/ディープラーニングにつながる線形代数

          dlbro

          機械学習/ディープラーニング研究に必要な線形代数の内容を扱います。

          입문

          입문

          Linear Algebra, Machine Learning(ML), Deep Learning(DL)

          Unity 6 Shader Graph の入門と活用강의 썸네일

          Unity 6 Shader Graph の入門と活用

          pinousg6033

          Unity 6 Shader Graphを活用して、さまざまなシェーダを設計し、ゲームに活用できるビジュアル効果を学びます。 入門者から熟練者まで皆のための基礎から高度な技術までの段階別講義です。

          초급

          초급

          shader-graph, Unity, hlsl