Video description
课程简介
视频描述
6小时以上的视频教学
直观地介绍了深度学习的最新发展
概述
深度强化学习和GAN 在线课程是对当今深度学习中最令人兴奋的两个主题的介绍。生成式对抗网络(Generative Adversarial Network,GAN)将两个深度学习网络以“伪造者-检测”的关系相互映射,从而能够制作出具有灵活的、用户可指定元素的令人惊叹的照片真实感图像。深度强化学习也产生了同样令人惊讶的进步,包括大部分最广为人知的“人工智能”突破。Deep RL包括训练一名“代理人”在给定的“环境”中变得熟练,使算法能够在各种复杂挑战上达到或超过人类水平的表现,包括Atari视频游戏、棋类游戏围棋和微妙的手工操纵任务。在这些课程中,基本理论通过直观的解释和互动的、动手操作的Jupyter笔记本演示变得栩栩如生。实例主要特点是使用以Python和Keras,而Keras是最流行的深度学习库TensorFlow的高级API。
Get技能
• 了解关于深度强化学习和生成式对抗网络的高级理论和关键语言。
• 设计GAN以便以人画插图的风格创造令人惊讶的图像
• 构建深度RL代理,使其能够熟练地在各种环境中执行操作,例如OpenAI Gym提供的环境。
• 运行自动化实验以优化深度强化学习代理参数,例如其人工神经网络配置。
• 了解“人工智能”目前的局限是什么,以及在不久的将来如何克服这些局限。
Table of Contents
引言
引言
第1课:人工智能的基础
主题
1.1人工智能的现状
1.2生成式对抗网络的应用
1.3深度强化学习的应用
1.4在这些在线课程中运行代码
1.5深度学习理论必备知识综述
第2课:生成式对抗网络(GAN)
主题
2.1 GAN基本理论
2.2“快点,抽签!”游戏数据集
2.3 A判别器网络
2.4 A生成器网络
2.5训练对抗网络
第3课:深度Q-学习网络(DQN)
主题
3.1 3.1Cartpole Game
3.2 3.2基本深层RL理论
3.3 DQN基本理论
3.4定义DQN代理
3.5 3.5与OpenAI Gym环境交互
第4课:OpenAI实验室
主题
4.1可视化代理性能
4.2修改代理超级参数
4.3适用性
4.4自动化超参数实验与优化
第5课:高级深度强化学习代理
主题
5.1策略梯度和增强算法
5.2演员-评论家算法
5.3软件2.0
5.4走近人工通用智能
概括
概括