感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
強化學習與Agentic AI簡介
- 不確定性下的決策制定與序貫規劃
- RL核心組成:代理、環境、狀態及獎勵
- RL在適應性與Agentic AI系統中的角色
馬爾可夫決策過程(MDPs)
- MDPs的正式定義與特性
- 價值函數、貝爾曼方程及動態規劃
- 策略評估、改進及迭代
無模型強化學習
- 蒙特卡羅(Monte Carlo)與時間差分(TD)學習
- Q學習(Q-learning)與SARSA
- 實戰:在Python中實現表格型RL方法
深度強化學習
- 結合神經網絡進行RL函數近似
- 深度Q網絡(DQN)與經驗重放
- Actor-Critic架構與策略梯度
- 實戰:使用Stable-Baselines3通過DQN和PPO訓練代理
探索策略與獎勵塑形
- 平衡探索與利用(ε-greedy、UCB、熵方法)
- 設計獎勵函數並避免非預期行為
- 獎勵塑形與課綱學習(Curriculum Learning)
RL與決策制定的高級主題
- 多智能體強化學習與合作策略
- 層級化強化學習及選項框架
- 離線RL與模仿學習,以实现更安全部署
模擬環境與評估
- 使用OpenAI Gym及自定義環境
- 連續與離散動作空間
- 代理性能、穩定性及樣本效率的指標
將RL整合至Agentic AI系統
- 在混合代理架構中結合推理與RL
- 將強化學習與工具使用代理相結合
- 擴展與部署的運營考量
綜合專案
- 設計並實現針對模擬任務的強化學習代理
- 分析訓練性能並優化超參數
- 在Agentic情境中展示適應性行為與決策能力
總結與下一步
最低要求
- 精通Python程式設計
- 深入理解機器學習與深度學習概念
- 熟悉線性代數、概率論及基礎優化方法
目標受眾
- 強化學習工程師及應用AI研究者
- 機器人和自動化開發人員
- 致力於開發適應性與Agentic AI系統的工程團隊
28 小時
客戶評論 (3)
培訓師很有耐心,也非常樂於助人。他對主題非常瞭解。
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
課程 - Agentic AI for Business Automation: Use Cases & Integration
機器翻譯
知識與實踐的良好結合
Ion Mironescu - Facultatea S.A.I.A.P.M.
課程 - Agentic AI for Enterprise Applications
機器翻譯
理論與實踐的結合,以及高層與底層視角的融合
Ion Mironescu - Facultatea S.A.I.A.P.M.
課程 - Autonomous Decision-Making with Agentic AI
機器翻譯