Aprendizagem por Reforco com Deep Learning PyTorch e Python
What you’ll learn
Teoria sobre aprendizagem por reforço com o algoritmo Q-Learning e Deep Q-Learning
Implementação passo a passo de uma inteligência artificial para controlar um carro autônomo virtual
Redes neurais artificiais
Requirements
Lógica de programação, principalmente estruturas condicionais e de repetição
Programação básica em Python
Conhecimentos sobre instalação de softwares básicos, porém, durante o curso será mostrado o processo de instalação das ferramentas utilizadas
Noções de Orientação a Objetos, como: classes, objetos, atributos e métodos
Conhecimentos básicos sobre Redes Neurais Artificiais são desejáveis (no final do curso tem um anexo para revisar esse conteúdo)
Description
A área de Deep Learning (Aprendizagem Profunda) está relacionada a aplicação das redes neurais artificiais na resolução de problemas complexos e que requerem artifícios computacionais avançados. Existem diversas aplicações práticas que já foram construídas utilizando essas técnicas, tais como: carros autônomos, descoberta de novos medicamentos, cura e diagnóstico antecipado de doenças, geração automática de notícias, reconhecimento facial, recomendação de produtos, previsão dos valores de ações na bolsa de valores e até mesmo a geração automática de roteiros de filmes! Nesses exemplos, a técnica base utilizada são as redes neurais artificiais, que procuram “imitar” como o cérebro humano funciona e são consideradas hoje em dia como as mais avançadas no cenário de Machine Learning (Aprendizagem de Máquina).Também dentro do contexto da Aprendizagem de Máquina existe a área de Aprendizagem por Reforço, que é um tipo de aprendizagem usado em sistemas multi-agente no qual os agentes devem interagir no ambiente e aprenderem por conta própria, ganhando recompensas positivas quando executam ações corretas e recompensas negativas quando executam ações que não levem para o objetivo. O interessante dessa técnica é que a inteligência artificial aprende sem nenhum conhecimento prévio, adaptando-se ao ambiente e encontrando as soluções sozinho!E para levar você até essa área, neste curso você terá uma visão teórica e principalmente prática sobre a construção de um carro autônomo virtual utilizando aprendizagem por reforço! Vamos trabalhar com técnicas modernas de Deep Learning com a biblioteca PyTorch e a linguagem Python! Ao final você terá todas as ferramentas necessárias para solucionar outros tipos de problemas com aprendizagem por reforço. O conteúdo do curso está dividido em três partes:Teoria sobre aprendizagem por reforço com o algoritmo Q-LearningTeoria da aprendizagem por reforço com Deep Q-Learning, com a utilização de redes neurais artificiaisConstrução passo a passo da inteligência artificial para controlar o carro autônomoVocê ainda conta com um anexo sobre o básico das redes neurais artificiais caso você não tenha muita experiência na área.Este curso é categorizado como nível intermediário, pois apesar de existir o anexo para a revisão do conteúdo básico, é interessante que você já tenha uma certa experiência com a área de redes neurais.Preparado(a) para dar um importante passo na sua carreira? Aguardamos você no curso! 🙂
Overview
Section 1: Bem-vindo(a) ao curso!
Lecture 1 Boas vindas
Lecture 2 Mais sobre Inteligência Artificial
Section 2: —– Parte 1 – Fundamentos de Aprendizagem por Reforço —–
Lecture 3 Bem-vindo(a) à Parte 1 – Fundamentos de Aprendizagem por Reforço
Section 3: Q-Learning – Intuição e Visualização
Lecture 4 Conteúdo
Lecture 5 O que é aprendizagem por reforço?
Lecture 6 A Equação de Bellman
Lecture 7 O Plano
Lecture 8 Markov Decision Process – MDP
Lecture 9 Política x Plano
Lecture 10 Adição de Penalidades – Living Penalty
Lecture 11 Q-Learning – Intuição
Lecture 12 Diferença Temporal
Lecture 13 Q-Learning – Visualização
Section 4: —– Parte 2 – Intuição Deep Q-Learning —–
Lecture 14 Bem-vindo(a) à Parte 2 – Intuição Deep Q-Learning
Section 5: Deep Q-Learning – Intuição
Lecture 15 Conteúdo
Lecture 16 Intuição Deep Q-Learning – Aprendizagem
Lecture 17 Intuição Deep Q-Learning – Ações
Lecture 18 Replay de Experiência
Lecture 19 Políticas de Seleções de Ações
Section 6: —– Parte 3 – Implementação Deep Q-Learning —–
Lecture 20 Bem-vindo(a) à Parte 3 – Implementação Deep Q-Learning
Section 7: Implementação Deep Q-Learning
Lecture 21 Conteúdo
Lecture 22 Configuração do Ambiente
Lecture 23 IMPORTANTE: Configuração do ambiente
Lecture 24 Carro autônomo – Parte 1
Lecture 25 Carro autônomo – Parte 2
Lecture 26 Carro autônomo – Parte 3
Lecture 27 Carro autônomo – Parte 4
Lecture 28 Carro autônomo – Parte 5
Lecture 29 Carro autônomo – Parte 6
Lecture 30 Carro autônomo – Parte 7
Lecture 31 Carro autônomo – Parte 8
Lecture 32 Carro autônomo – Parte 9
Lecture 33 Carro autônomo – Parte 10
Lecture 34 Carro autônomo – Parte 11
Lecture 35 Carro autônomo – Parte 12
Lecture 36 Carro autônomo – Parte 13
Lecture 37 Carro autônomo – Parte 14
Lecture 38 Carro autônomo – Parte 15
Lecture 39 Carro autônomo – Parte 16
Section 8: Visualização Deep Q-Learning
Lecture 40 Carro autônomo – Nível 1
Lecture 41 Carro autônomo – Nível 2
Lecture 42 Carro autônomo – Nível 3
Lecture 43 Carro autônomo – Nível 4
Section 9: Anexo I – Redes Neurais Artificiais
Lecture 44 Perceptron de uma camada
Lecture 45 Redes multicamada – função soma e função de ativação
Lecture 46 Redes multicamada – cálculo do erro
Lecture 47 Descida do gradiente
Lecture 48 Cálculo do parâmetro delta
Lecture 49 Ajuste dos pesos com backpropagation
Lecture 50 Bias, erro, descida do gradiente estocástica e mais parâmetros
Lecture 51 Funções de ativação I
Lecture 52 Funções de ativação II
Section 10: Considerações finais
Lecture 53 AULA BÔNUS
Pessoas interessadas em deep learning (aprendizagem profunda),Pessoas interessadas em aprender como modelar a construção de um carro autônomo virtual,Pessoas interessadas em aprendizagem por reforço com o algoritmo Deep Q-Learning,Analistas de dados que queiram aumentar seu conhecimento na área de deep learning (aprendizagem profunda),Alunos de graduação que estão estudando disciplinas ligadas a área de Inteligência Artificial
Course Information:
Udemy | Português | 6h 4m | 2.53 GB
Created by: Jones Granatyr
You Can See More Courses in the Developer >> Greetings from CourseDown.com