الموعد القادم:
28.07.2025
الدورة تنتهي في:
22.08.2025
إجمالي المدة:
160 Stunden
التدريب:
Nein
اللغات المستخدمة في الدراسة:
  • Deutsch
نوع الفعالية:
  • Weiterbildung 
نموذج العرض:
  • Virtuelles Klassenzimmer 
  • E-Learning 
فترة التنفيذ:
  • Tagesveranstaltung
  • Montag bis Freitag von 8:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)
أدنى عدد للمشاركين:
6
أقصى عدد للمشاركين:
25
التكلفة:
keine Angaben
التمويل:
  • Bildungsgutschein 
  • Qualifizierungschancengesetz 
  • Deutsche Rentenversicherung 
  • EU/Bund/Land 
نوع المؤهل الدراسي:
Zertifikat/Teilnahmebestätigung 
اختبار إتمام المؤهل:
Ja
اسم المؤهِّل:
Zertifikat „Reinforcement Learning“
اعتمادات العرض:
  • SGB III-Maßnahmezulassung 
رقم الإجراء:
  • 035/118/24
عرض للسيدات فقط:
Nein
رعاية الأطفال:
Nein
جودة المعلومات:
Suchportal Standard Plus

المجموعات المستهدفة:
Informatiker:innen, Mathematiker:innen, Elektrotechniker:innen sowie Personen mit Studium der (Wirtschafts-)Ingenieurwissenschaften
المتطلبات المهنية:
Vorkenntnisse im Bereich Machine Learning sowie in der Programmiersprache Python werden vorausgesetzt.
المتطلبات التقنية:
Die Teilnahme am Unterricht erfolgt über Internet per Videotechnik. Voraussetzung für die Nutzung deiner eigenen Hardware ist die Installation der Applikation alfaview®: https://cloud.alfanetz.de/test Falls du keinen geeigneten Computer hast, erhältst du von uns das technische Equipment, um von zuhause aus am Kurs teilnehmen zu können. Sollten die räumlichen und technischen Voraussetzungen dir eine Teilnahme von zuhause aus nicht ermöglichen, kannst du deinen Kurs auch in einem unserer Bildungszentren absolvieren.
منهجية وكالات العمل:
  • C 1435-10-10 Softwareentwicklung, Programmierung - allgemein

المحتويات

Reinforcement Learning als eine der drei Haupttechniken des maschinellen Lernens beschreibt eine Lernmethode, in der Software durch den direkten Austausch mit ihrer Umwelt in Form von Versuch und Irrtum trainiert wird, optimale Ergebnisse zu erzielen. Mache dich im Kurs mit den Konzepten und Ansätzen, aber auch den Herausforderungen dieser Lernmethode vertraut.

Reinforcement Learning

Einführung in Reinforcement Learning (ca. 1 Tag) 
Definition und grundlegende Konzepte
Unterschiede zu anderen Lernmethoden
Anwendungsbereiche und Beispiele

Markov Decision Processes (MDPs) (ca. 2 Tage)
Definition und Eigenschaften von MDPs
Value-Funktionen und Policy
Bellman-Gleichungen
Dynamic Programming Ansatz

Q-Learning (ca. 2 Tage)
Definition und Algorithmus
Exploration vs. Exploitation
Konvergenz- und Optimierungseigenschaften
Anwendungen in Spielen, Robotik und anderen Bereichen

Deep Reinforcement Learning (ca. 3 Tage)
Deep Q-Learning
Deep Deterministic Policy Gradients (DDPG)
Actor-Critic-Methoden
Policy Gradient-Methoden

Fortgeschrittene Themen (ca. 4 Tage)
Model-Based Reinforcement Learning
Multi-Agent Reinforcement Learning
Inverse Reinforcement Learning
Meta Reinforcement Learning

Praktische Anwendungen (ca. 3 Tage)
Implementierung von Reinforcement Learning Algorithmen
Anwendung auf ausgewählte Probleme und Fallstudien
Evaluation und Tuning der Algorithmen

Zusammenfassung und Ausblick (ca. 2 Tage)
Zusammenfassung der wichtigsten Konzepte und Ergebnisse
Herausforderungen und zukünftige Entwicklungen in Reinforcement Learning

Projektarbeit (ca. 3 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse

Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.

الهدف التعليمي

Nach Abschluss des Lehrgangs verstehst du die grundlegenden Konzepte des Reinforcement Learning und kennst die Unterschiede zu anderen Lernmethoden. Du bist mit Markov-Entscheidungsprozessen, Q-Learning und Deep Reinforcement Learning vertraut und kannst fortgeschrittene Themen wie Multi-Agent- und Model-Based Reinforcement Learning anwenden. Zudem bist du in der Lage, Reinforcement-Learning-Algorithmen zu implementieren, an realen Problemen zu testen und zu optimieren.

جميع البيانات مقدمة دون ضمان. تتحمل الجهات المقدمة حصرًا مسؤولية صحة البيانات.

04.04.2025 آخر تحديث في ,12.02.2025 نُشر لأول مرة في