이 전문 분야 정보
최근 조회 50,337

100% 온라인 강좌

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 일정

유연한 마감을 설정하고 유지 관리합니다.

중급 단계

Probabilities & Expectations, basic linear algebra, basic calculus, Python 3.0 (at least 1 year), implementing algorithms from pseudocode

완료하는 데 약 3개월 필요

매주 11시간 권장

영어

자막: 영어

배울 내용

  • Check

    Build a Reinforcement Learning system for sequential decision making.

  • Check

    Understand the space of RL algorithms (Temporal- Difference learning, Monte Carlo, Sarsa, Q-learning, Policy Gradients, Dyna, and more).

  • Check

    Understand how to formalize your task as a Reinforcement Learning problem, and how to begin implementing a solution.

  • Check

    Understand how RL fits under the broader umbrella of machine learning, and how it complements deep learning, supervised and unsupervised learning 

귀하가 습득할 기술

Artificial Intelligence (AI)Machine LearningReinforcement LearningFunction ApproximationIntelligent Systems

100% 온라인 강좌

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 일정

유연한 마감을 설정하고 유지 관리합니다.

중급 단계

Probabilities & Expectations, basic linear algebra, basic calculus, Python 3.0 (at least 1 year), implementing algorithms from pseudocode

완료하는 데 약 3개월 필요

매주 11시간 권장

영어

자막: 영어

Specialization을(를) 수강하는 학습자

  • Data Scientists
  • Machine Learning Engineers
  • Scientists
  • Researchers
  • Research Assistants

전문분야 이용 방법

강좌 수강

Coursera 전문 분야는 기술을 완벽하게 습득하는 데 도움이 되는 일련의 강좌입니다. 시작하려면 전문 분야에 직접 등록하거나 강좌를 둘러보고 원하는 강좌를 선택하세요. 하나의 전문 분야에 속하는 강좌에 등록하면 해당 전문 분야 전체에 자동으로 등록됩니다. 단 하나의 강좌만 수료해도 됩니다. — 학습을 일시 중지하거나 언제든 구독을 종료할 수 있습니다. 학습자 대시보드를 방문하여 강좌 등록 상태와 진도를 추적해 보세요.

실습 프로젝트

모든 전문 분야에는 실습 프로젝트가 포함되어 있습니다. 전문 분야를 완료하고 수료증을 받으려면 프로젝트를 성공적으로 마쳐야 합니다. 전문 분야에 별도의 실습 프로젝트 강좌가 포함되어 있는 경우 각 강좌를 완료해야 프로젝트를 시작할 수 있습니다.

수료증 취득

모든 강좌를 마치고 실습 프로젝트를 완료하면 취업할 때나 전문가 네트워크에 진입할 때 제시할 수 있는 수료증을 취득할 수 있습니다.

how it works

이 전문 분야에는 4개의 강좌가 있습니다.

강좌1

Fundamentals of Reinforcement Learning

4.7
279개의 평가
81개의 리뷰
강좌2

Sample-based Learning Methods

4.8
73개의 평가
21개의 리뷰
강좌3

Prediction and Control with Function Approximation

4.8
12개의 평가
2개의 리뷰
강좌4

A Complete Reinforcement Learning System (Capstone)

강사

Avatar

Martha White

Assistant Professor
Computing Science
Avatar

Adam White

Assistant Professor
Computing Science

앨버타 대학교 정보

UAlberta is considered among the world’s leading public research- and teaching-intensive universities. As one of Canada’s top universities, we’re known for excellence across the humanities, sciences, creative arts, business, engineering and health sciences....

Alberta Machine Intelligence Institute 정보

The Alberta Machine Intelligence Institute (Amii) is home to some of the world’s top talent in machine intelligence. We’re an Alberta-based research institute that pushes the bounds of academic knowledge and guides business understanding of artificial intelligence and machine learning....

자주 묻는 질문

  • 네! 시작하려면 관심 있는 강좌 카드를 클릭하여 등록합니다. 강좌를 등록하고 완료하면 공유할 수 있는 인증서를 얻거나 강좌를 청강하여 강좌 자료를 무료로 볼 수 있습니다. 전문 분야 과정에 있는 강좌에 등록하면, 전체 전문 분야에 등록하게 됩니다. 학습자 대시보드에서 진행 사항을 추적할 수 있습니다.

  • 이 강좌는 100% 온라인으로 진행되므로 강의실에 직접 참석할 필요가 없습니다. 웹 또는 모바일 장치를 통해 언제 어디서든 강의, 읽기 자료, 과제에 접근할 수 있습니다.

  • It is recommended that learners take between 4-6 months to complete the specialization.

  • Recommended that learners have at least one year of undergraduate computer science or 2-3 years of professional experience in software development. Experience and comfort with programming in Python required. Must be comfortable converting algorithms and pseudocode into Python. Basic understanding of concepts from statistics (distributions, sampling, expected values), linear algebra (vectors and matrices), and calculus (computing derivatives)

  • Yes, it is recommended that courses are taken sequentially.

  • Learners that complete the specialization will earn a Coursera specialization certificate signed by the professors of record, not a University of Alberta credit.

  • By the end of this specialization, you will be able to"

    • Build a Reinforcement Learning system for sequential decision making.
    • Understand the space of RL algorithms (Temporal- Difference learning, Monte Carlo, Sarsa, Q-learning, Policy Gradients, Dyna, and more).
    • Understand how to formalize your task as a Reinforcement Learning problem, and how to begin implementing a solution.
    • Understand how RL fits under the broader umbrella of machine learning, and how it complements deep learning, supervised and unsupervised learning 

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.