156-103 Einführung in Maschinelles Lernen.
Aufgenommen während einer Live-Klassensitzung für GTC am 7.-8.2026.
Dieses Video behandelt die Konzepte der Einheit 9.
Themen:
Dieses Bildungsmaterial führt in die grundlegenden Prinzipien des Verstärkenden Lernens (RL) ein, einem Zweig des maschinellen Lernens, bei dem ein Agent durch Versuch und Irrtum in einer bestimmten Umgebung lernt. Im Gegensatz zu überwachten oder unüberwachten Methoden basiert RL auf einem System von Belohnungen und Strafen, um eine autonome Entität auf ein gewünschtes Ziel zu lenken. Der Text definiert kritische Komponenten wie Zustände, Aktionen und Politiken und erklärt, wie der Agent darauf abzielt, die kumulierten Belohnungen im Laufe der Zeit zu maximieren. Es wird auch der Kompromiss zwischen Exploration und Ausbeutung behandelt, wobei Strategien wie epsilon-gierig verwendet werden, um das Entdecken neuer Informationen mit der Nutzung bekannter erfolgreicher Wege auszubalancieren. Anwendungsbeispiele aus der realen Welt werden hervorgehoben, darunter autonome Fahrzeuge, Robotik und komplexe Gaming-KI wie AlphaGo. Schließlich unterscheidet die Quelle zwischen modellbasierten und modellfreien Algorithmen und veranschaulicht, wie verschiedene Rahmenbedingungen mit Umweltdaten und Entscheidungsfindung umgehen.
Dieses Video richtet sich an Studierende, die diesen Kurs in diesem Semester belegen, aber auch andere könnten es hilfreich finden.