Об этом курсе
Недавно просмотрено: 86,422

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 38 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 3-6 hours/week for base track, 6-9 with all the horrors of honors section...

Английский

Субтитры: Английский, Корейский
User
Учащиеся, которые проходят продукт ''Course'
  • Data Scientists
  • Machine Learning Engineers
  • Researchers
  • Research Assistants
  • Scientists
User
Учащиеся, которые проходят продукт ''Course'
  • Data Scientists
  • Machine Learning Engineers
  • Researchers
  • Research Assistants
  • Scientists

100% онлайн

Начните сейчас и учитесь по собственному графику.

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Продвинутый уровень

Прибл. 38 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 3-6 hours/week for base track, 6-9 with all the horrors of honors section...

Английский

Субтитры: Английский, Корейский

Программа курса: что вы изучите

Неделя
1
5 ч. на завершение

Intro: why should i care?

13 видео ((всего 84 мин.)), 8 материалов для самостоятельного изучения, 3 тестов
13 видео
Reinforcement learning vs all3мин
Multi-armed bandit4мин
Decision process & applications6мин
Markov Decision Process5мин
Crossentropy method9мин
Approximate crossentropy method5мин
More on approximate crossentropy method6мин
Evolution strategies: core idea6мин
Evolution strategies: math problems5мин
Evolution strategies: log-derivative trick8мин
Evolution strategies: duct tape6мин
Blackbox optimization: drawbacks4мин
8 материала для самостоятельного изучения
What you're getting into1мин
Setting up course environment10мин
Note: this course vs github course1мин
Lecture slides10мин
Course teaser placeholder10мин
Primers1мин
About honors track1мин
Extras10мин
Неделя
2
3 ч. на завершение

At the heart of RL: Dynamic Programming

5 видео ((всего 54 мин.)), 2 материалов для самостоятельного изучения, 4 тестов
5 видео
State and Action Value Functions13мин
Measuring Policy Optimality6мин
Policy: evaluation & improvement10мин
Policy and value iteration8мин
2 материала для самостоятельного изучения
Advanced Reward Design10мин
Discrete Stochastic Dynamic Programming10мин
3 практического упражнения
Reward design8мин
Optimality in RL10мин
Policy Iteration14мин
Неделя
3
5 ч. на завершение

Model-free methods

6 видео ((всего 47 мин.)), 1 материал для самостоятельного изучения, 4 тестов
6 видео
Monte-Carlo & Temporal Difference; Q-learning8мин
Exploration vs Exploitation8мин
Footnote: Monte-Carlo vs Temporal Difference2мин
Accounting for exploration. Expected Value SARSA.11мин
On-policy vs off-policy; Experience replay7мин
1 материал для самостоятельного изучения
Extras10мин
1 практическое упражнение
Model-free reinforcement learning10мин
Неделя
4
5 ч. на завершение

Approximate Value Based Methods

9 видео ((всего 104 мин.)), 3 материалов для самостоятельного изучения, 5 тестов
9 видео
Loss functions in value based RL11мин
Difficulties with Approximate Methods15мин
DQN – bird's eye view9мин
DQN – the internals9мин
DQN: statistical issues6мин
Double Q-learning6мин
More DQN tricks10мин
Partial observability17мин
3 материала для самостоятельного изучения
TD vs MC10мин
Extras10мин
DQN follow-ups10мин
3 практического упражнения
MC & TD8мин
SARSA and QLeaning8мин
DQN12мин
4.1
Рецензии: 72Chevron Right

33%

начал новую карьеру, пройдя эти курсы

56%

получил значимые преимущества в карьере благодаря этому курсу

33%

стал больше зарабатывать или получил повышение

Лучшие отзывы о курсе Practical Reinforcement Learning

автор: AKMay 28th 2019

This is one of the Best Course available on Reinforcement Learning. I have gone through various study material but the depth and practical knowledge given in the course is awesome.

автор: FZFeb 14th 2019

A great course with very practical assignments to help you learn how to implement RL algorithms. But it also has some stupid quiz questions which makes you feel confusing.

Преподаватели

Avatar

Pavel Shvechikov

Researcher at HSE and Sberbank AI Lab
HSE Faculty of Computer Science
Avatar

Alexander Panin

Lecturer
HSE Faculty of Computer Science

О Национальный исследовательский университет "Высшая школа экономики"

National Research University - Higher School of Economics (HSE) is one of the top research universities in Russia. Established in 1992 to promote new research and teaching in economics and related disciplines, it now offers programs at all levels of university education across an extraordinary range of fields of study including business, sociology, cultural studies, philosophy, political science, international relations, law, Asian studies, media and communicamathematics, engineering, and more. Learn more on www.hse.ru...

Специализация Продвинутое машинное обучение: общие сведения

This specialization gives an introduction to deep learning, reinforcement learning, natural language understanding, computer vision and Bayesian methods. Top Kaggle machine learning practitioners and CERN scientists will share their experience of solving real-world problems and help you to fill the gaps between theory and practice. Upon completion of 7 courses you will be able to apply modern machine learning methods in enterprise and understand the caveats of real-world data and settings....
Продвинутое машинное обучение

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

Остались вопросы? Посетите Центр поддержки учащихся.