Python und Reinforcement Learning - Einführung

Ziele

In dieser 2-tägigen Schulung "Reinforcement Learning - Einführung" lernst Sie die grundlegenden Konzepte und Techniken des Reinforcement Learnings (RL). Beim RL lernt der Computer Aufgaben nur durch positves bzw. negatives Feedback zu lösen. Sie erwerben Fähigkeiten in der Formulierung von RL-Problemen, der Anwendung verschiedener RL-Algorithmen und der Implementierung von RL-Agenten mit Python. Durch praktische Übungen und ein praxisnahes Projekt könne Sie ihr Wissen direkt anwenden und eigene RL-Modelle entwickeln und evaluieren.

Zielgruppe

• Datenwissenschaftler
• KI-Ingenieure
• Entwickler, die sich für maschinelles Lernen interessieren

Voraussetzungen

Für eine optimale Teilnahme am Kurs empfehlen wir folgende Vorkenntnisse:

• Teilnahme am Seminar Python Einführungskurs oder vergleichbare Kenntnisse

Agenda

Einführung in Reinforcement Learning

• Überblick über Reinforcement Learning
• Wichtige Begriffe und Konzepte
• Anwendungen und Vorteile

Grundlagen des Reinforcement Learnings

• Markov-Entscheidungsprozesse (MDP)
• Belohnungsfunktion und Zustandsräume
• Policy und Value Funktionen

Python-Programmierung für RL

• Einführung in das RL mittels PyTorch
• Implementierung von RL-Algorithmen in Python
• Erste Schritte mit OpenAI Gym bzw. Gymnasium

Kernalgorithmen des Reinforcement Learnings

• Q-Learning
• Deep Reinforcement Learning mit Deep Q-Networks

Anwendungen und Fallstudien

• RL in Spielen
• Optimierung von Entscheidungsprozessen
• RL in der Robotik