
Intelligenza artificiale avanzata e apprendimento automatico: apprendimento per rinforzo
Oxford, Regno Unito
DURATA
3 Weeks
LINGUE
Inglese
RITMO
Tempo pieno
SCADENZA DELLA DOMANDA
Richiedi la scadenza per la domanda
LA PRIMA DATA DI INIZIO
Richiedere la prima data di inizio
TASSE UNIVERSITARIE
GBP 3.980 / per course *
FORMATO DI STUDIO
Insegnamento a distanza, Nel campus
* per residenziale: 9 settimane | per online: 9 settimane - £ 3.960
Introduzione
Sbagliare le cose fa parte di ciò che ci rende umani e la nostra intelligenza naturale ci aiuta a imparare dai nostri errori. L'apprendimento per rinforzo è un'area dell'apprendimento automatico che consente all'intelligenza artificiale di imparare anche dai propri errori, ad esempio consentendo a un robot di utilizzare tentativi ed errori per interagire con un nuovo ambiente e raggiungere un obiettivo. Questo corso avanzato esamina i fondamenti dell'apprendimento per rinforzo ed esplora le varie applicazioni dei metodi di programmazione dinamica.
Il corso inizierà con una conoscenza approfondita dei concetti teorici chiave dell'apprendimento per rinforzo, familiarizzando con agenti, ambienti e ricompense, prima di introdurre i processi decisionali di Markov, la programmazione dinamica e i metodi Monte Carlo. Man mano che il corso procede, esplorerai un'ampia gamma di metodi e tecniche di apprendimento per rinforzo, inclusi i metodi del gradiente politico e il modo in cui ottimizzano le politiche, metodi di ricerca politica come strategie evolutive e alpinismo e il metodo dell'entropia incrociata per l'ottimizzazione delle politiche. La parte finale del corso introdurrà argomenti ancora più avanzati, compreso l'apprendimento per rinforzo multi-agente.
Questo corso intensivo offre agli studenti comprensione teorica ed esperienza pratica in una gamma di concetti e tecniche di apprendimento per rinforzo, offrendo competenze professionali e basi eccellenti per la ricerca futura.
Date e disponibilità
Disponibile come corso residenziale o online nelle seguenti date:
Sessione 1: dal 24 giugno al 12 luglio 2024