Описание
Основы машинного обучения; многослойный перцептрон, теорема универсального аппроксиматора, обратное распространение; сверточные сети, рекуррентные нейронные сети, вариационные автокодировщики, генеративно-состязательные сети; компоненты и техники глубокого обучения; процесс Маркова принятия решений; уравнение Беллмана, итерация политики, итерация по значениям, методы Монте-Карло, методы временной разности, Q-обучение, SARSA, приложения.
Текст источника на языке оригинала
Fundamentals of machine learning; multi-layer perceptron, universal approximation theorem, back-propagation; convolutional networks, recurrent neural networks, variational auto-encoder, generative adversarial networks; components and techniques in deep learning; Markov Decision Process; Bellman equation, policy iteration, value iteration, Monte-Carlo learning, temporal difference methods, Q learning, SARSA, applications.
Источники и ссылки
Даты и источники сохраняются, чтобы помочь вам проверить сведения. Переводы предлагаются для удобства чтения; официальным источником для условий и требований является оригинал.
Исходная ссылка : https://calendar.carleton.ca/grad/courses/COMP/