Online nebo na místě, instruktorem vedené živé školicí kurzy Reinforcement Learning demonstrují prostřednictvím interaktivních praktických cvičení, jak vytvořit a zavést systém Reinforcement Learning. Školení v oblasti posilování je dostupné jako „online živé školení“ nebo „živé školení na místě“. Online živé školení (neboli "vzdálené živé školení") se provádí prostřednictvím interaktivní vzdálené plochy . Živá školení na místě lze provádět lokálně v prostorách zákazníka v Prague nebo ve firemních školicích střediscích NobleProg v Prague. NobleProg -- Váš místní poskytovatel školení
Toto živé školení vedené instruktorem v Prague (online nebo na místě) je zaměřeno na středně pokročilé datové vědce, kteří chtějí získat komplexní porozumění a praktické dovednosti v Large Language Models (LLMs) i Reinforcement Learning (RL).
Na konci tohoto školení budou účastníci schopni:
Pochopit komponenty a funkce modelů transformátorů.
Optimalizujte a vylaďte LLM pro konkrétní úlohy a aplikace.
Pochopte základní principy a metodiky posilovacího učení.
Zjistěte, jak mohou techniky učení posilování zlepšit výkon LLM.
Toto živé školení vedené instruktorem v Prague (online nebo na místě) je zaměřeno na pokročilé profesionály, kteří si přejí prohloubit své znalosti posilovacího učení a jeho praktických aplikací při vývoji umělé inteligence pomocí Google Colab.
Na konci tohoto školení budou účastníci schopni:
Toto živé školení vedené instruktorem v Prague (online nebo na místě) je zaměřeno na vývojáře a datové vědce, kteří se chtějí naučit základy Deep Reinforcement Learning při vytváření agenta Deep Learning Agent.
Na konci tohoto školení budou účastníci schopni:
Porozumět klíčovým konceptům za Deep Reinforcement Learning a umět je odlišit od strojového učení.
Aplikujte pokročilé Reinforcement Learning algoritmy k řešení skutečných problémů.
Toto živé školení vedené instruktorem v Prague (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí jít nad rámec tradičních přístupů strojového učení a naučit počítačový program zjišťovat věci (řešit problémy) bez použití označených dat a velké datové sady.
Na konci tohoto školení budou účastníci schopni:
Nainstalujte a aplikujte knihovny a programovací jazyk potřebný k implementaci Reinforcement Learning.
Vytvořte softwarového agenta, který je schopen se učit prostřednictvím zpětné vazby namísto učení pod dohledem.
Naprogramujte agenta k řešení problémů, kde je rozhodování sekvenční a konečné.
Aplikujte znalosti na návrh softwaru, který se může učit podobným způsobem, jakým se učí lidé.