时间安排
✔报名时间：即日起至2024年10月6日23:00
✔项目持续时间：2024年10月8日~10月21日
项目介绍
✔ 强化学习是监督学习、非监督学习之外的第三种基本机器学习方法，在自动驾驶、游戏、机器人控制等领域具有广泛应用
✔ 强化学习（Reinforcement Learning, RL）利用 智能体（agent）从“试错”中学习最佳行为策略，通过与 环境（environment）交互获得的 奖励（reward）指导行为，使智能体获得最大奖励
✔ 本项目以迷宫游戏为例，引导学员在理解强化学习基本概念的基础上，学习采用动态规划方法、蒙特卡罗方法和时序差分法解决强化学习问题
- 项目内容涉及动态规划方法中的策略迭代、值迭代算法；蒙特卡罗方法中使用ε-贪心策略的on-policy算法、off-policy算法；时序差分法中的SARSA和Q-Learning算法；以及应用这些方法，实现寻找迷宫出路的最优策略
- 项目为期两周，提供案例讲解、代码文档等资源
✔ 适用对象：(1)掌握Python的基础语法与数据结构；(2)项目期间每天保证1-2小时工作时间
你的收获
✔ 入门 强化学习
• 了解强化学习相关基本理论知识
• 掌握动态规划方法、蒙特卡罗方法和时序差分法的理论与实现
• 掌握应用方法解决一个实际问题(迷宫游戏)的过程
✔ 获得一份能力证明：狗熊会为按要求完成全部TASK的营员提供实习证明；优秀营员有机会获得知名企业的工作机会，简历直推高管
✔积累更多实战经验和影响力：狗熊会精品案例组、企业合作研究项目组优先招募优秀营员；营员优秀作品经过审核后可发表在狗熊会公众号，扩大营员的知名度和影响力
实习证明样例
任务清单
- TASK1 强化学习简介及马尔可夫决策过程
- 基础概念
- 动态规划方法
- TASK2 强化学习中的蒙特卡罗算法
- on-policy算法
- off-policy算法
- TASK3 强化学习中的时序差分法
- SARSA算法
- TASK4 强化学习中的时序差分法
- Q-Learning算法
项目说明
✔项目全程采取 线上远程形式进行，项目包含若干个TASK。每个TASK周期都包含如下环节：(1)导师发布任务要求和参考资料；(2)营员自学参考资料，如果有自己无法解决的问题，向老师和助教求助；(3)营员完成任务后，导师反馈评分+评语，对重点难点和多发问题做集中总结
✔项目依托课堂派和项目微信群：营员在课堂派完成查收任务和参考资料、提交报告、接收导师反馈、听直播总结课等环节；通过微信群与导师、助教互动
课堂派：查收任务和参考资料，提交任务，接收反馈
费用说明
✔ 费用：980元/人。
• 可按实际支付金额开具发票，名目“实习服务费”，在退款期结束后统一征集开票信息
✔售后服务-3天无理由退款：
• 售后退款条款：本项目接受“3天无理由退款”。“3天无理由退款”指商家(狗熊会)向其微店“狗熊会在线项目”营员提供的特别售后服务，允许营员按本规则的规定对其已购“狗熊会个人项目”服务进行退款服务。具体为，在“狗熊会在线项目”开始后的当天零时起计算时间，满72小时为3天内，已购买“狗熊会在线项目”的营员可向商家提出无理由退款申请，经商家确认后将已支付金额在3个工作日内通过营员支付渠道返还用户相应账户
接受高校客户集体报名。关于项目与报名如有问题，请咨询study@clubear.org。返回搜狐，查看更多
责任编辑：