Mõistame süvaõpet tugevdumisega

Me õpime, suheldes keskkonnaga, ja saadud preemiad ja karistused määravad meie käitumise tulevikus. Süvaõpe tugevdumisega toob selle loomuliku protsessi tehisintellekti ja eeldab tulemuste analüüsimist, et tuvastada kõige tõhusamad edasiviimise teed. Süvaõppe agente tugevdumisega saavad panustada turunduskampaaniate edusse, prognoosida aktsiate kasvu ja võita suurmeistreid Go's ja malet mängides. Õppigem looma süvaõppesüsteeme köitvate harjutuste näitel, mida saadavad Pythonis kirjutatud kood, millel on üksikasjalikud kommentaarid ja arusaadavad selgitused. Te näete, kuidas algoritmid töötavad, ja õpite looma omaenda süvaõppe agente tugevdumisega, kasutades hindamis-tagasisidet.