Ein vollständiges Reinforcement-Lernsystem (Capstone)

Beschreibung

In diesem Abschlusskurs kombinieren Sie Ihr Wissen aus den Kursen 1, 2 und 3, um eine vollständige RL-Lösung für ein Problem zu implementieren. Dieser Schlussstein zeigt Ihnen, wie die einzelnen Komponenten – Problemformulierung, Algorithmusauswahl, Parameterauswahl und Darstellungsdesign – zu einer vollständigen Lösung zusammenpassen und wie Sie beim Einsatz von RL in der realen Welt die richtigen Entscheidungen treffen. Für dieses Projekt müssen Sie sowohl die Umgebung zur Stimulierung Ihres Problems als auch einen Steuerungsagenten mit neuronaler Netzwerkfunktionsnäherung implementieren. Darüber hinaus führen Sie eine wissenschaftliche Untersuchung Ihres Lernsystems durch, um Ihre Fähigkeit zur Beurteilung der Robustheit von RL-Agenten zu entwickeln. Um RL in der realen Welt einzusetzen, ist es wichtig, (a) das Problem angemessen als MDP zu formalisieren, (b) geeignete Algorithmen auszuwählen, (c) zu identifizieren, welche Entscheidungen in Ihrer Implementierung große Auswirkungen auf die Leistung haben werden, und (d) zu validieren das erwartete Verhalten Ihrer Algorithmen. Dieser Schlussstein ist wertvoll für jeden, der RL zur Lösung realer Probleme einsetzen möchte.

Um in diesem Kurs erfolgreich zu sein, müssen Sie die Kurse 1, 2 und 3 dieser Spezialisierung oder einen gleichwertigen Kurs abgeschlossen haben.

Am Ende dieses Kurses können Sie:

Vervollständigen Sie eine RL-Lösung für ein Problem, beginnend mit der Problemformulierung, der Auswahl und Implementierung geeigneter Algorithmen und der empirischen Untersuchung der Wirksamkeit der Lösung.