Descrição
Aprendizado por Reforço em Python, Deep Q-Learning e TRFL
Aproveite o poder das técnicas de Aprendizado por Reforço para desenvolver sistemas inteligentes usando Python
O Aprendizado por Reforço (RL) é um método poderoso para treinar sistemas inteligentes em diversos ambientes de negócios. Ele permite o desenvolvimento de sistemas inteligentes, rápidos e autoaprendentes que podem resolver uma ampla gama de problemas em Inteligência Artificial. Desde jogos e carros autônomos até aplicações empresariais como economia de energia em data centers e soluções inteligentes de armazenamento, o RL tem se mostrado eficaz. Neste curso, você explorará os principais avanços e sucessos alcançados no aprendizado profundo por reforço. Ao combinar arquiteturas de redes neurais profundas com aprendizado por reforço, você aprenderá a desenvolver sistemas inteligentes usando Python. Você obterá uma compreensão sólida do Aprendizado por Reforço, suas vantagens e por que está ganhando popularidade. O curso aborda conceitos essenciais, como Processo de Decisão de Markov (MDPs), buscas em árvores de Monte Carlo e programações dinâmicas, como iteração de política e valor. Você também aprenderá sobre técnicas de aprendizado de diferença temporal, como Q-learning e SARSA. Além disso, você construirá modelos de redes neurais convolucionais usando TensorFlow e Keras, e explorará o uso de inteligência artificial em um ambiente de jogos com o OpenAI Gym. Ao final deste curso, você terá experiência prática com dados reais e inteligência artificial (IA) para construir sistemas inteligentes. Você será guiado por nossa equipe de especialistas, incluindo:Especialista(s):
- Lauren Washington: Lauren é atualmente a Cientista de Dados Líder e Desenvolvedora de Aprendizado de Máquina para smartQED, uma startup impulsionada por IA. Com formação em ciência de dados e paixão por ensinar, Lauren trabalhou para empresas de ponta como Google e Nielsen. Ela também é mentora no Thinkful Data Science Bootcamp e revisora técnica de vídeos para a Packt Publishing. - Kaiser Hamid Rabbi: Kaiser é um Cientista de Dados com uma paixão profunda por Inteligência Artificial, Aprendizado de Máquina e Ciência de Dados. Nos últimos 4 anos, ele se dedicou a aprender várias tecnologias e técnicas na área. Kaiser está particularmente interessado em Lygometry e se esforça para entender o conhecimento de domínio com base em sua experiência em projetos. - Colibri Digital: Colibri Digital é uma empresa de consultoria em tecnologia fundada por James Cross e Ingrid Funie. Com expertise em big data, ciência de dados, aprendizado de máquina e computação em nuvem, eles ajudam os clientes a navegar pelo complexo mundo das tecnologias emergentes. Eles trabalharam com empresas de prestígio, incluindo bancos de investimento e grupos de consultoria em gestão, para dar sentido aos seus dados e processá-los de forma inteligente. - Jim DiLorenzo: Jim é um programador freelancer e entusiasta de Aprendizado por Reforço. Atualmente cursando seu mestrado em Ciência da Computação, ele usou TRFL em seus próprios experimentos de RL e implementou artigos científicos em código.O que você aprenderá:
- Implementar algoritmos de Aprendizado por Reforço de última geração a partir do básico - Descobrir várias técnicas de Aprendizado por Reforço, como MDP, Q Learning e mais - Aprofundar-se no Aprendizado de Diferença Temporal, combinando métodos de Monte Carlo e programação dinâmica - Criar um aplicativo virtual de Carro Autônomo com Deep Q-Learning - Ensinar um modelo de Aprendizado por Reforço a jogar um jogo usando TensorFlow e o OpenAI Gym - Construir projetos com TRFL e TensorFlow, integrando blocos essenciais de RL em código existente - Explorar melhorias nos algoritmos de RL, como DQN e DDPG, com blocos TRFL - Modificar agentes de RL para incluir técnicas de recompensa de vários passos, como TD lambda - Criar agentes de RL baseados em TRFL com métodos clássicos de RL, como Aprendizado TD, Q Learning e SARSAEstimar frete
Payment & Security

Featured collection





















![Curso de Angular e NodeJS - O Guia da Pilha MEAN [Edição 2023] - IBRATH Instituto Brasileiro de Terapias Holísticas teste011020230809](http://loja.ibrath.com/cdn/shop/products/a19556.png?v=1699935448&width=1024)




![Curso de Docker & Kubernetes: O Guia Prático [Edição 2023] - IBRATH Instituto Brasileiro de Terapias Holísticas teste011020230809](http://loja.ibrath.com/cdn/shop/products/a19570.png?v=1699935525&width=1024)





















Dúvidas Gerais
Após a confirmação do pagamento, você receberá um e-mail com todas as instruções para acessar seus cursos. O e-mail incluirá um link para a plataforma de ensino, onde você poderá fazer login utilizando suas credenciais cadastradas no momento da compra. Caso seja um curso em formato de arquivo para download, o mesmo estará disponível na área do aluno e poderá ser acessado diretamente pelo link enviado. Se você não receber o e-mail de acesso em até 24 horas, verifique sua caixa de spam ou entre em contato com nossa equipe pelo e-mail suporte@amentil.com.br.
Após a confirmação do pagamento, seu pedido será processado e enviado para o endereço cadastrado. Você receberá um e-mail com os detalhes do envio, incluindo o código de rastreamento para acompanhar a entrega. Trabalhamos com transportadoras confiáveis e os prazos variam de acordo com o método de envio escolhido e sua localização. É importante garantir que o endereço de entrega esteja correto para evitar atrasos. Caso tenha dúvidas ou problemas com a entrega, nossa equipe de suporte está à disposição pelo e-mail suporte@amentil.com.br.
Você pode tirar dúvidas diretamente com nossa equipe de suporte por diversos canais:
- E-mail: Envie sua pergunta para suporte@amentil.com.br, e nossa equipe responderá em até 2 dias úteis.
- Telefone: Ligue para +55 (48) 1234-5678, disponível de segunda a sexta, das 9h às 18h.
- WhatsApp: Envie uma mensagem para +55 (48) 91265-4321 e receba atendimento rápido e prático.
- Formulário de Contato: Preencha o formulário disponível em nosso site na página Contato.
- Redes Sociais: Você também pode enviar suas dúvidas pelo Instagram ou Facebook em @amentil.sa.
Estamos sempre prontos para ajudar!
Reembolso e garantias
O prazo de reembolso pode variar dependendo da forma de pagamento utilizada:
- Cartão de Crédito: O estorno será realizado em até 7 dias úteis após a aprovação do reembolso, mas o crédito poderá aparecer na sua fatura em um prazo de 30 a 60 dias, conforme a política da operadora do cartão.
- Boleto Bancário ou Transferência: O valor será devolvido via depósito em conta bancária em até 7 dias úteis após a aprovação do reembolso.
Você pode solicitar a devolução de produtos físicos seguindo o passo a passo abaixo:
- Entre em contato com nosso suporte:
- Aguarde nossa resposta:
Nossa equipe analisará sua solicitação em até 3 dias úteis e fornecerá as instruções detalhadas para a devolução. - Prepare o produto:
- Envie o produto:
- Reembolso ou troca:
Nosso compromisso é fornecer uma experiência confiável e segura ao acessar nossa enciclopédia online. Garantimos a qualidade dos serviços e funcionalidades oferecidos, seguindo as condições descritas abaixo:
1. Garantia de Acesso
- Disponibilidade: Oferecemos garantia de disponibilidade da enciclopédia online 24 horas por dia, 7 dias por semana, exceto durante períodos programados de manutenção ou por problemas técnicos fora do nosso controle.
- Resolução de Problemas: Em caso de interrupções no serviço, nossa equipe técnica atuará para restaurar o acesso no menor tempo possível.
2. Garantia de Conteúdo
- Precisão e Atualização: Todo o conteúdo disponibilizado é cuidadosamente revisado para garantir precisão e relevância. No entanto, a enciclopédia online é constantemente atualizada, e não podemos garantir a exatidão absoluta em casos de informações sujeitas a mudanças rápidas.
- Correção de Erros: Caso identifique erros ou inconsistências no conteúdo, você pode nos informar pelo e-mail conteudo@amentil.com.br, e faremos a análise e correção, se necessário.
3. Garantia de Segurança
- Proteção de Dados: Utilizamos tecnologias avançadas para proteger suas informações pessoais e garantir que sua navegação na enciclopédia seja segura.
- Privacidade: Todos os dados coletados seguem as diretrizes da nossa Política de Privacidade.
4. Garantia de Reembolso
Para assinaturas da enciclopédia online:
- Direito de Arrependimento: Você pode solicitar o cancelamento e reembolso integral em até 7 dias corridos após a compra, desde que não tenha acessado conteúdos pagos da plataforma.
- Problemas Técnicos: Caso não consiga acessar os conteúdos devido a falhas técnicas imputáveis à plataforma, garantimos suporte prioritário e, se o problema não for resolvido, você pode solicitar reembolso proporcional ao período não utilizado.
5. Limitações
- Conexão à Internet: Não garantimos acesso à enciclopédia em situações de instabilidade ou falhas na conexão de internet do usuário.
- Uso Indevido: O acesso e uso da enciclopédia são pessoais e intransferíveis. O compartilhamento de credenciais pode resultar na suspensão ou cancelamento da assinatura sem reembolso.
6. Contato para Garantias
Caso precise de suporte ou queira exercer algum direito de garantia, entre em contato conosco:
- E-mail: suporte@amentil.com.br
- Telefone: +55 (48) 1234-5678
- Horário de atendimento: Segunda a sexta, das 9h às 18h.