Cơ sở của các đại lý thông minh và ra quyết định ngẫu nhiên

Trong một thế giới được dẫn dắt bởi dữ liệu, trí tuệ nhân tạo phải liên tục đưa ra lựa chọn trong điều kiện không chắc chắn. Hiểu được các nhân tố thông minh đánh giá các lựa chọn và đưa ra quyết định tối ưu bằng xác suất là cơ bản cho khoa học máy tính hiện đại. Chương trình này hướng dẫn bạn qua các khung toán học và khái niệm cốt lõi để đưa ra quyết định tự động. Bạn sẽ chuyển từ các khái niệm cơ bản về xác suất để hiểu cách các đặc vụ định hướng trong môi trường phức tạp, không thể đoán trước. Bạn sẽ học được: - Hiểu được thuật ngữ cơ bản của các tác nhân thông minh, lý thuyết tiện ích và môi trường. - Phân tích các quá trình ra quyết định đơn giản và phức tạp dưới sự không chắc chắn sử dụng xác suất. - Mô hình quá trình ngẫu nhiên sử dụng chuỗi Markov và quá trình quyết định Markov. - Tìm hiểu các khái niệm học củng cố hiện đại và cách các tác nhân học từ phản hồi môi trường. - Apply algorithms to practical scenarios using clean, modern Python code snippets. - Đánh giá hiệu suất và biên giới quyết định của nhân viên trong môi trường mô phỏng động. Bạn sẽ bắt đầu bằng cách nắm vững thuật ngữ thiết yếu và các khái niệm xác suất cơ bản trước khi chuyển sang kiến trúc tác nhân và mô hình ngẫu nhiên. Qua các giải thích viết từng bước và đi qua mã có cấu trúc, bạn sẽ thấy lý thuyết toán học được dịch thành logic quyết định thực thi như thế nào. Lớp học này được thiết kế cho các nhà phát triển phần mềm tham vọng, người đam mê dữ liệu, và người mới tò mò về trí tuệ nhân tạo, không yêu cầu nền tảng trước đó trong toán học tiên tiến. Bắt đầu xây dựng hiểu biết của bạn về các hệ thống thông minh hôm nay.