会员服务

DeepMind Nando（原牛津大学教授）强化学习最新进展，含图文、公式和代码，附102页PPT下载

专知出品

【导读】在DeepMing任职的Nando de Freitas（原牛津大学教授）在KHIPU 2019上做了关于强化学习（RL）的教程，102页ppt。涵盖了强化学习RL基础概念、策略梯度、动态规划以及D4PG、R2D3等RL算法，并介绍了RL的应用。


在KHIPU 2019（Latin American Meeting In Artificial Intelligence）上，在DeepMing任职的Nando de Freitas做了教程《Reinforcement Learning》，用图文、公式等详细地介绍了强化学习的基础和一些进阶算法。


Nando de Freitas简介

Nando出生在津巴布韦，患有疟疾。他是莫坎比克战争的难民。他的父母借钱从贪官给他买一本护照，让他能够生活在葡萄牙马德拉的一个火山岩小屋，没有水和电，父母忙着偿还债务也不再身边，这种情况一直持续到欧盟到达那里。


他在威特沃特斯兰德大学(University of the Witwatersrand)获得了电气工程理学学士学位和控制理学硕士学位，后幸获得剑桥大学三一学院(Trinity College, Cambridge University)神经网络贝叶斯方法博士学位，这要归功于慈善人士提供的奖学金。


他在加州大学伯克利分校(UC Berkeley)获得了人工智能的博士后学位，并于2001年成为加拿大不列颠哥伦比亚大学(University of British Columbia)的教授，随后在2013年成为英国牛津大学(University of Oxford)的教授。2017年，他以首席科学家的身份加入了DeepMind的全职工作，帮助解决智能问题的愿景，让未来几代人能够过上更好的生活。Nando也是加拿大高级研究所的高级研究员，并获得了一些学术奖项。


主页介绍：

https://khipu.ai/03_nando_de_freitas/


《Reinforcement Learning》教程的内容

  • 强化学习概念

  • 策略梯度

  • 动态规划

  • 深度Q网络

  • 分布式强化学习

  • D4PG（Distributed Distributional Deep Deterministic Policy Gradients）

  • PPO（Proximal Policy Optimization）和MPO（Maximum aposteriori Policy Optimisation）

  • R2D3（Recurrent Replay Distributed DQN from Demonstrations）

  • 强化学习应用：

    • AlphaX

    • Batch强化学习


完整PPT下载
请关注专知公众号（点击上方蓝色专知关注）
  • 后台回复“KHIPURL” 就可以获取完整教程PPT的下载链接~ 


教程部分截图如下所示：



参考链接：

  • https://khipu.ai/program/

  • https://khipu.ai/03_nando_de_freitas/

  • https://drive.google.com/file/d/1kPc3fyOzt0I3Sdwt5EgHH5Bsn1Ng-h11/view?usp=sharing


更多关于“强化学习”的论文知识资料，请登录专知网站www.zhuanzhi.ai查看，或者点击“阅读原文”查看：

https://www.zhuanzhi.ai/topic/2001320766352755/awesome 



-END-
专 · 知


专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取更多AI知识资料！
欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！
请加专知小助手微信（扫一扫如下二维码添加），获取专知VIP会员码，加入专知人工智能主题群，咨询技术商务合作~
点击“阅读原文”，了解注册使用专知
展开全文
Top
微信扫码咨询专知VIP会员
Top