Advanced AI - 05 - Reinforcement Learning

Lesmethode :

Klassikaal

Algemeen :

In de toekomst zal AI steeds vaker in staat zijn om realtime te leren en zich aan te passen. In plaats van vooraf volledig getraind te worden, kunnen sommige modellen tijdens het gebruik blijven leren. Dit maakt AI robuuster voor veranderingen in de omgeving en effectiever in het nemen van beslissingen met oog op de lange termijn.

Reinforcement Learning (RL) is een krachtige techniek die wordt ingezet bij complexe besluitvormingsvraagstukken, zoals dynamische prijsbepaling, optimaal onderhoud van machines en autonome systemen.

In deze cursus leer je hoe reinforcement learning werkt, hoe je zelf een RL-model opbouwt en hoe deep reinforcement learning, met behulp van neurale netwerken, de leerprestaties verder kan verbeteren. De focus ligt op het begrijpen, implementeren en optimaliseren van RL-modellen, inclusief het toepassen van deep reinforcement learning.

Deze cursus is onderdeel van de Advanced AI-serie, een reeks van in totaal zes verdiepende modules. Elke cursus behandelt een specifiek thema binnen AI en is afzonderlijk te volgen. Samen vormen ze een logisch en samenhangend leertraject voor wie zijn AI-kennis wil verbreden én verdiepen.

Doel :

Na het volgen van deze cursus:
#Begrijp je de principes achter reinforcement learning en de onderliggende mechanismen.
#Kun je zelfstandig een RL-model bouwen en toepassen op praktijkproblemen.
#Weet je hoe je RL kunt uitbreiden met deep learning-technieken voor complexere toepassingen.

Doelgroep :

Deze cursus is voor iedereen met interesse in AI en voor organisaties die reinforcement learning willen toepassen in hun praktijk. Heb je al een cursus uit de serie Advanced AI gevolgd, dan is deze cursus een logische vervolgstap.

Voorkennis :

Voor een goede basis adviseren we te starten met Advanced AI - deel 1: Introduction, waarin het fundament wordt gelegd voor de rest van deze serie.
#Basiskennis van wiskunde, programmeren en kansberekening, met name inzicht in random variables en verwachtingswaarde.
#Enige ervaring met Python, aangezien we werken met Google Colab.

Onderwerpen :

- Basisprincipes van reinforcement learning en Markov Decision Processes (MDP)
- Opbouw en training van een RL-model
- Deep reinforcement learning: neurale netwerken in RL
- Toepassingen in dynamische besluitvorming en automatisering
- Praktische cases, zoals onderhoud strategieën en autonome systemen