O aprendizado por reforço é particularmente útil em situações onde queremos treinar IAs para ter certas habilidades que não entendemos completamente. Ao contrário de algumas das técnicas que discutimos até agora, o aprendizado por reforço geralmente analisa como uma IA realiza uma tarefa APÓS completá-la. E quando uma IA completa essa tarefa, descobrir quando e como recompensar uma IA, chamado de atribuição de crédito, é uma das partes mais difíceis do aprendizado por reforço. Então hoje, vamos explorar essas ideias, introduzir uma tonelada de novos termos como valor, política, agente, ambiente, ações e estados, e vamos mostrar como podemos usar estratégias como exploração e exploração para treinar o John Green Bot a encontrar coisas de forma mais eficiente na próxima vez.
O Curso Intensivo de IA é produzido em associação com os Estúdios Digitais PBS:
Agradecimentos aos seguintes patrocinadores por suas generosas contribuições mensais que ajudam a manter o Curso Intensivo gratuito para todos para sempre:
Eric Prestemon, Sam Buck, Mark Brouwer, Indika Siriwardena, Avi Yashchin, Timothy J Kwist, Brian Thomas Gossett, Haixiang N/A Liu, Jonathan Zbikowski, Siobhan Sabino, Zach Van Stanley, Jennifer Killen, Nathan Catchings, Brandon Westmoreland, dorsey, Kenneth F Penttinen, Trevin Beattie, Erika & Alexa Saur, Justin Zingsheim, Jessica Wode, Tom Trval, Jason Saslow, Nathan Taylor, Khaled El Shalakany, SR Foxley, Sam Ferguson, Yasenia Cruz, Eric Koslow, Caleb Weeks, Tim Curwick, David Noe, Shawn Arnold, William McGraw, Andrei Krishkevich, Rachel Bright, Jirat, Ian Dundore
--
Quer encontrar o Curso Intensivo em outros lugares na internet?
#CursoIntensivo #InteligênciaArtificial #AprendizadoDeMáquina