Pentru mai multe informații despre programele profesionale și postuniversitare de inteligență artificială de la Stanford, vizitați: https://stanford.io/ai
Profesor Emma Brunskill, Universitatea Stanford
http://onlinehub.stanford.edu/
Profesorul Emma Brunskill
Asistent universitar, Informatică
Stanford AI pentru Human Impact Lab
Laboratorul de inteligență artificială Stanford
Grupul de învățare automată statistică
Pentru a urma programul cursului și programa, vizitați: http://web.stanford.edu/class/cs234/index.html
0:00 Introducere
0:58 Structura clasei
1:26 Căutare în copaci din Monte Carlo
3:42 Învățare prin întărire bazată pe modele
4:19 RL bazat pe model și fără model
7:04 Avantajele RL bazate pe modele
10:57 Reîmprospătare model MDP
13:11 Model de căutare la masă
20:00 Planificare bazată pe mostre
21:11 Înapoi la Exemplul AB
38:46 Căutare simplă Monte-Carlo
42:20 Monte-Carlo Tree Search (MCTS)
48:48 Căutare în arborele superior al încrederii (UCT).
52:43 Studiu de caz Jocul Go
54:46 Aplicarea Monte-Carlo Tree Search (1)
56:14 Aplicarea Monte-Carlo Tree Search (5)
Cursuri interesante:
- Stanford CS234: Învățare prin consolidare | Iarna 2019 | Cursul 3 – Evaluarea politicilor fără modele
- Stanford CS234: Învățare prin consolidare | Iarna 2019 | Curs 4 – Model Free Control
- Stanford CS234: Învățare prin consolidare | Iarna 2019 | Cursul 5 – Aproximarea funcției valorii
- Profesorul Chris Manning AI Q&A – Versiune completă
- Stanford CS234: Învățare prin consolidare | Iarna 2019 | Curs 1 – Introducere – Emma Brunskill
- Procesele de decizie Markov 2 – Învățare prin consolidare | Stanford CS221: AI (toamna 2019)
- Căutare 1 – Programare dinamică, Căutare costuri uniforme | Stanford CS221: AI (toamna 2019)
- Stanford CS229: Învățare automată | Vara 2019 | Cursul 7 – GDA, Naive Bayes & Laplace Smoothing
- Stanford CS330: Multi-Task și Meta-Learning, 2019 | Cursul 4 – Meta-Învățători non-parametrici
- Stanford CS229: Învățare automată | Vara 2019 | Cursul 3 – Probabilitate și Statistică