Reinforcement Learning

Beschreibung

In uralten Spielen wie Schach oder Go können sich die brillantesten Spieler verbessern, indem sie die von einer Maschine produzierten Strategien studieren. Robotische Systeme üben ihre Bewegungen selbst. In Arcade Games erreichen lernfähige Agenten innerhalb weniger Stunden übermenschliches Niveau. Wie funktionieren diese spektakulären Algorithmen des bestärkenden Lernens? Mit gut verständlichen Erklärungen und übersichtlichen Beispielen in Java und Greenfoot können Sie sich die Prinzipien des bestärkenden Lernens aneignen und in eigenen intelligenten Agenten anwenden. Greenfoot (M.Kölling, King’s College London) und das Hamster-Modell (D.Bohles, Universität Oldenburg) sind einfache aber auch mächtige didaktische Werkzeuge, die entwickelt wurden, um Grundkonzepte der Programmierung zu vermitteln. Wir werden Figuren wie den Java-Hamster zu lernfähigen Agenten machen, die eigenständig ihre Umgebung erkunden.
Der Inhalt

• Bestärkendes Lernen als Teilgebiet des Maschinellen Lernens
• Grundbegriffe des Bestärkenden Lernens
• Optimale Entscheidungen in einem bekannten Umweltsystem
   – dynamische Programmierung
   – rekursive Tiefensuche
  
• Entscheiden und Lernen in einem unbekannten Umweltsystem
   – Monte Carlo-Evaluationen und Monte Carlo-Baumsuche (MCTS)  
   – Q- und Sarsa Learning, Eignungspfade, Dyna-Q     – Policy Gradient und Actor-Critic

• neuronale Netze als Schätzer für Zustandsbewertungen und Aktionspreferenzen
  
• Werden digitale Agenten bald intelligenter als Menschen sein? 
• Leitbilder in der K.I.

• Fortbildung für Lehrkräfte, Dozenten, die Einblicke in die Programmierung von lernfähigen Agenten bekommen möchten
• Techniker, Informatiker, die ML-Algorithmen besser verstehen wollen
• Programmierer, die Lernalgorithmen selbst implementieren wollen
• Schüler oder Studierende, die sich mit maschinellem Lernen und intelligentenAgenten beschäftigen

Autor*in

Uwe Lorenz

Themen in »Reinforcement Learning«

Maschinelles Lernen Künstliche Intelligenz Reinforcement Learning Lernen durch Verstärkung Bestärkendes Lernen Verstärkendes Lernen SARSA Q-Learning Policy Gadient Actor-Critic Java-Hamster Greenfoot Deep Reinforcement Learning

Stimmen zu »Reinforcement Learning«

Details

Link teilen