دوره یادگیری کامل Reinforcement Learning with TensorFlow & TRFL

در این مجموعه آموزش با تنسرفلو و TRFL آشنا شده و پیاده سازی یادگیری ماشینی به سبک Reinforcement Learning را در آن ها یاد گرفته و تجربه و تمرین خواهید کرد. 

عنوان اصلی : Reinforcement Learning with TensorFlow & TRFL

سرفصل ها :

بررسی اجمالی دوره
راه اندازی و نصب
شروع با یادگیری TD
بهره برداری از کارایی خارج از سیاست با استفاده از یادگیری Q
مقایسه روش‌های مبتنی بر سیاست با SARSA و SARSE
پیاده سازی Deep Q Network و اعمال به روز رسانی های شبکه هدف
اصلاح یک DQN با DQN Double، DQN دائمی و Huber Loss
بهبود DQN با یادگیری Q توزیعی
استفاده از روش های گرادیان خط مشی
افزایش اکتشاف با از دست دادن آنتروپی سیاست
استفاده از Actor-Critic با A3C و A2C
اجرای گرادیان های خط مشی قطعی
استقرار TD(λ)
تعادل تعصب و واریانس با بازده های تعمیم یافته
اعمال Q(λ)
کار با نمای جلو چند مرحله ای
استفاده از نمونه برداری اهمیت با Retrace (λ)
شروع کار با ایمپالا با V-Trace
تقویت یک عامل با کنترل غیرواقعی و پیکسل