Einführung in Reinforcement Learning mit TF-Agents & TensorFlow 2.0
Helikopter fliegen, Go spielen oder ein Datacenter effizient kühlen sind schwierige Aufgaben, die Erfahrung und vorausschauendes Handeln benötigen. Mit Reinforcement Learning (RL) lernen Computer selbständig komplexe Abläufe und benötigen nicht einmal Trainingsdaten mit den richtigen Antworten.
Mit TF-Agents, Googles neuestem RL-Framework, ist es so einfach wie noch nie, eine eigene Lösung zu implementieren. Nach einer sanften Einführung wie RL funktioniert loten wir das aktuelle Design von TF-Agents aus. Wir zeigen, wie TF-Agents in einer Industrieanwendung konkret verwendet wird, und was es braucht, diese auf 7.000 Clients in 42 Ländern produktiv einzusetzen.
Vorkenntnisse
• Basiswissen in Software Engineering und neuronalen Netzen sind hilfreich.
• Vorkenntnisse in Reinforcement Learning, TF-Agents oder TensorFlow sind nicht notwendig.
Lernziele
• Intuitives Verständnis wie RL funktioniert
• Was braucht es, um selbst eine Lösung zu implementieren ?
• Wie schaut eine konkrete Implementierung mit TF-Agents und TensorFlow 2.0 aus ?