Hoàn toàn chinh phục Unity Machine Learning Agent (phần ứng dụng)

Chủ đề bài giảng 📖

Trong bài giảng Unity Machine Learning Agent Complete Mastery (Applied) này, bạn sẽ học được những nội dung sau!

• Cách tạo môi trường học tăng cường bằng Unity
• Cách áp dụng các tác nhân học máy cho các kỹ thuật học tăng cường ứng dụng
• Lý thuyết thuật toán học tăng cường ứng dụng và phương pháp viết mã
• Cách học các thuật toán học tăng cường ứng dụng bằng mlagents-learn

Tính năng bài giảng ✨

Bài giảng này không chỉ đề cập đến lý thuyết về học tăng cường và viết mã mà còn đề cập đến việc tạo ra môi trường học tăng cường để học thuật toán tương ứng, do đó có thể nói là đề cập đến toàn bộ nội dung về học tăng cường.
Ngoài ra, khóa học này còn đề cập đến nhiều ứng dụng học tăng cường, bao gồm các thuật toán học tăng cường chung, đa tác nhân, học theo chương trình giảng dạy, học phân tán và môi trường khám phá khó khăn.

Bạn sẽ học được gì 📚

Trong khóa học Complete Mastery of Unity Machine Learning Agents (Phiên bản ứng dụng), bạn sẽ tìm hiểu về cách tạo môi trường cho các kỹ thuật học tăng cường ứng dụng, lý thuyết thuật toán học tăng cường và nội dung mã.
Cụ thể, các chủ đề được đề cập trong bài giảng này như sau:

Thuật toán

• Tối ưu hóa chính sách gần (PPO)
• Chú ý PPO
• PPO đối kháng
• MA-POCA
• Thăm dò bằng RND (Random Network Distillation)
• Siêu mạng

môi trường

• né tránh
• Pông
• Phòng thoát hiểm
• Mê cung
• Hai Sứ Mệnh

Các video bên dưới là các môi trường học tăng cường mà bạn sẽ tự triển khai trong bài giảng này và kết quả học tập thông qua các thuật toán học tăng cường mà bạn sẽ triển khai.

Những điều cần lưu ý trước khi tham gia lớp học 📢

Nội dung của bài giảng này được giải thích dựa trên giả định rằng bạn đã hoàn thành khóa học "Unity Machine Learning Agent Complete Mastery (Basics)" của Inflearn! ( Liên kết cơ bản )
Nếu bạn chưa học khóa cơ bản, tôi khuyên bạn nên học trước! Tuy nhiên, nếu bạn biết những kiến ​​thức cơ bản về học tăng cường hoặc cách sử dụng Unity hoặc tác nhân học máy, bạn có thể tham gia khóa học ứng dụng ngay.

Môi trường thực hành

Trong trường hợp môi trường thực tế, vì phiên bản được sử dụng trong bài giảng hơi cũ nên chúng tôi đã kiểm tra khả năng tương thích với phần mềm tương đối mới! Bạn có thể tiếp tục nội dung bài giảng bằng “Phiên bản tiến trình bài giảng” hoặc “Phiên bản kiểm tra khả năng tương thích” bên dưới.

Môi trường thực hành (phiên bản bài giảng)

• Windows 10
• Đoàn kết 2021.1.18
• ML-Agents 2.0 (Unity) / ML-Agents 0.26.0 (Python)
• Python 3.8
• Pytorch 2.0

Môi trường thực hành (phiên bản kiểm tra khả năng tương thích)

• Windows 10
• Đoàn kết 2022.3.4
• ML-Agents 3.0 (Unity) / ML-Agents 1.0.0 (Python)
• Python 3.8
• Pytorch 2.1

GitHub 🐙

Bạn có thể xem mã cho tất cả các môi trường và thuật toán trong bài giảng này trên GitHub! Các câu hỏi thường gặp cũng được sắp xếp trong wiki GitHub có liên quan, vì vậy hãy tham khảo nhé!
https://github.com/reinforcement-learning-kr/Unity_ML_Agents_2.0

Đối tượng khóa học/Mục đích khóa học 🙆‍♀️

Các loại học sinh mà người chia sẻ kiến ​​thức nghĩ đến

• Các nhà phát triển quan tâm đến việc phát triển môi trường học tăng cường
• Sinh viên và nhà nghiên cứu quan tâm đến lý thuyết và việc triển khai học tăng cường.