Teoria AI | Jak sztuczna inteligencja uczy się prowadzić auto? Poznaj uczenie wzmacniane!

Sztuczna inteligencja wkroczyła wielkimi krokami w naszą rzeczywistość. Obecnie zadania takie jak prowadzenie auta, kontrola maszyn czy sterowanie skomplikowanymi procesami nie są już tylko literacką fikcją - to część technologii. Jeśli zastanawiałeś/-aś się kiedyś jak to jest, że głęboka sieć neuronowa jest w stanie nauczyć się prowadzić auto to odpowiedź znajdziesz w tym materiale - zarówno na ogólnym jak i bardziej szczegółowym poziomie.

-------------------------------------------------------------------------------------------------
INFORMACJE O MNIE:
-------------------------------------------------------------------------------------------------
Tutaj wyjaśniam w jaki sposób poradzi sobie z danymi sekwencyjnymi:

Tutaj mówię więcej o podstawach i budowie głębokiej sieci neuronowej typu feed-forward (DNN):

00:00 Wstęp
00:21 Czym jest uczenie wzmacniane?
03:20 Podstawowe pojęcia
04:49 Podstawowa pętla działania uczenia wzmacnianego
05:06 Pojęcie nagrody
06:02 Na czym polega dyskontowanie nagrody?
06:37 Dwa typy architektury sieci uczenia wzmacnianego
08:16 Sieć DQN
10:46 Słabość sieci DQN
12:40 Sieć PG (Policy Gradient)
16:41 Podsumowanie sieci DQN i PG
17:53 Przykład problemu parkowania auta
19:46 Podsumowanie

[pawesprot]

Wszystko jasne, ilustracje czytelne temat umówiony bardzo dokładnie💪

[adrianlinkowski]

Tradycyjnie w następnym filmie będziemy budować model DQN w pythonie?