Grundlagen des Reinforcement Learning
Reinforcement Learning mit Gymnasium in Python
Fouad Trad
Machine Learning Engineer
Reinforcement Learning
Agent lernt durch Ausprobieren
Reinforcement Learning
Agent lernt durch Ausprobieren
Reinforcement Learning
Agent lernt durch Ausprobieren
Reinforcement Learning
Agent lernt durch Ausprobieren
Agent erhält:
Belohnungen für gute Entscheidungen
Strafen für schlechte Entscheidungen
Ziel: positives Feedback über die Zeit maximieren
RL wie Haustiertraining
RL vs. andere ML-Typen
RL vs. andere ML-Typen
RL vs. andere ML-Typen
Wann RL nutzen?
Sequenzielle Entscheidungen
Entscheidungen beeinflussen künftige Beobachtungen
Lernen über Belohnungen und Strafen
Keine direkte Aufsicht
Geeignet für RL: Videospiele spielen
Spieler trifft sequenzielle Entscheidungen
Erhält Punkte und verliert Leben je nach Aktion
Ungeeignet für RL: Objekterkennung im Spiel
Keine sequenziellen Entscheidungen
Keine Interaktion mit einer Umgebung
RL-Anwendungen
Robotik
Robotern das Laufen beibringen
Objektmanipulation
RL-Anwendungen
Robotik
Robotern das Laufen beibringen
Objektmanipulation
Finanzen
Handel und Investitionen optimieren
Gewinn maximieren
RL-Anwendungen
Autonome Fahrzeuge
Sicherheit und Effizienz erhöhen
Unfallrisiken minimieren
RL-Anwendungen
Autonome Fahrzeuge
Sicherheit und Effizienz erhöhen
Unfallrisiken minimieren
Chatbot-Entwicklung
Gesprächsfähigkeiten verbessern
Nutzererlebnisse verbessern
Wie geht’s weiter?
In diesem Kurs wirst du:
RL-Grundlagen und -Prinzipien verstehen
RL-Probleme erkennen, formulieren und lösen
Anwendung mit Gymnasium
Lass uns üben!
Reinforcement Learning mit Gymnasium in Python
Preparing Video For Download...