WEBVTT 00:00.360 --> 00:03.080 Hallo en welkom terug bij de cursus over kunstmatige intelligentie. 00:03.090 --> 00:08.130 In de sectie van vandaag behandelen we het onderwerp van een diepgaande Q-learning. 00:08.130 --> 00:09.900 Dus laten we eens kijken, hoe gaan we dit aanvallen? 00:10.320 --> 00:15.030 In deze sectie zullen we een diepe leerintuïtie leren, de leerkant van dingen. 00:15.030 --> 00:20.250 Dus we gaan diep leren, de intuïtie erachter, opsplitsen in twee delen, het leren en het 00:20.250 --> 00:20.760 acteren. 00:20.760 --> 00:22.440 En daar gaan we tutorials over hebben. 00:22.620 --> 00:28.230 Begrijp dus allereerst hoe de neurale netwerken eigenlijk leren en hoe ze hun gewicht bijwerken op 00:28.230 --> 00:33.790 basis van wat we ze ingeven en hoe het hele concept van leren werkt. 00:33.820 --> 00:37.790 Dus hoe gaan we om met de concepten van temporele verschillen die we bespreken in eenvoudig leren? 00:37.800 --> 00:43.200 We gaan ze toepassen op deep learning, en dan gaan we praten over hoe 00:43.200 --> 00:48.630 deep learning-algoritmen daadwerkelijk beslissen welke actie moet worden ondernomen in welke toestanden ze zouden gaan praten. 00:48.630 --> 00:55.440 Ervaar replay een zeer belangrijke toevoeging bovenop deep learning, waardoor je daadwerkelijk leert goed te werken en je zult uit 00:55.440 --> 00:57.840 die tutorial zien waarom het belangrijk is. 00:58.200 --> 01:01.890 En dan gaan we het hebben over actieselectiebeleid. 01:02.410 --> 01:11.100 We gaan het hebben over hoe deep learning agents exploratie en exploitatie kunnen combineren. 01:11.110 --> 01:15.900 Dus als ze eenmaal iets een goede aanpak hebben gevonden, kunnen ze die aanpak gebruiken, maar ze moeten ook verkennen zodat ze 01:15.900 --> 01:18.030 niet vast komen te zitten in een lokaal maximum. 01:18.750 --> 01:24.600 En nog iets dat ik over de sectie wilde noemen, is dat het zeer nuttig is als 01:24.600 --> 01:27.980 je kijkt naar Anex, nummer één, kunstmatige neurale netwerken. 01:27.990 --> 01:33.510 Dus als je al die onderwerpen gaat verkennen, hebben we daar een aantal zeer krachtige intuïtie-tutorials voor je 01:33.510 --> 01:34.080 voorbereid. 01:34.620 --> 01:38.060 Als je natuurlijk niet hebt gedaan, als je de cursus diepgaand leren 01:38.070 --> 01:41.970 niet hebt gedaan, als je de discipline hebt gedaan, natuurlijk, en je weet al 01:41.970 --> 01:47.550 deze dingen al en je kunt doorgaan met sectie, maar als je wilt om die extra kennis over neurale netwerken te 01:47.550 --> 01:53.400 krijgen voordat je verder gaat met dit deel, is dit natuurlijk zeer aan te raden omdat het je zal helpen precies te 01:53.400 --> 01:58.160 begrijpen hoe neurale netwerken werken en waarom ze zo krachtig zijn, waarom we ze in dit diepe leeralgoritme. 01:58.170 --> 02:02.640 En als je eenmaal je kennis hebt opgefrist of die kennis hebt opgedaan over een neuraal netwerk van 02:02.640 --> 02:06.150 dat naar annexeren en hier terug komen, gaan we verder met het typische. 02:06.480 --> 02:10.110 Als je redelijk vertrouwd bent met neurale netwerken, laten we er dan meteen op ingaan. 02:10.110 --> 02:14.880 Laten we het hebben over diep leren, intuïtie, en ik kijk ernaar uit je te zien tijdens de eerste 02:14.880 --> 02:15.360 tutorial. 02:15.360 --> 02:16.950 Tot die tijd, geniet van I.