Q-Learning Fundamentals in Reinforcement Learning (bằng tiếng Anh).

Học củng cố đang dẫn đến một số bước đột phá thú vị nhất trong trí tuệ nhân tạo hiện đại, nhưng bắt đầu có thể cảm thấy áp đảo. Chương trình này phân tích các khái niệm cốt lõi của Q-learning, làm cho nền tảng toán học và logic thuật toán có thể tiếp cận được với tất cả mọi người. Bạn sẽ chuyển từ việc không có kiến thức về học củng cố để hiểu rõ cách các tác nhân học từ môi trường của họ, cập nhật các chức năng giá trị hành động của họ và đưa ra quyết định tối ưu. Bạn sẽ học được gì: Hiểu các khái niệm cơ bản của quá trình quyết định Markov, các trạng thái, hành động và phần thưởng; Cấu trúc phương trình Bellman để tính toán các hàm giá trị hành động tối ưu từng bước một; Thực hiện thuật toán Q-learning cổ điển để giải quyết các vấn đề định vị thế giới lưới; Khám phá và khai thác cân bằng bằng cách sử dụng Chiến lược epsilon-greedy; Tìm hiểu các tiến bộ hiện đại như Deep Q-Networks và chuyển đổi sang môi trường đào tạo hiện đại giống như Gymnasium; Phân tích hiệu suất và gỡ lỗi các đường cong học tập thông qua các bài tập viết có cấu trúc. Chương trình bắt đầu với thuật ngữ thiết yếu và khung khái niệm của học củng cố trước khi hướng dẫn bạn qua cơ chế của bảng Q, cập nhật chính sách và sự thích nghi học cường độ sâu hiện đại. Được thiết kế đặc biệt cho người mới bắt đầu, khóa học này chỉ yêu cầu các khái niệm lập trình cơ bản và toán học cơ bản để bắt đầu. Bắt đầu hành trình của bạn vào học củng cố và xây dựng một nền tảng vững chắc trong Q-learning hôm nay.