本教程是关于游戏AI人工智能深度学习训练视频教程,时长:12小时30分,大小:5 GB,MP4高清视频格式,教程使用软件:Unity,作者:Jan Warchocki,共118个章节,语言:英语。
了解如何在AI简单游戏示例中使用功能强大的深度强化学习和人工智能工具!
您将学到的知识
解决旅行推销员问题
了解并实施遗传算法
获得通用的AI框架
了解如何在您自己的项目中使用此工具
解决复杂的迷宫
了解并实施Q-Learning
获得正确的Q-Learning直觉
了解如何在您自己的项目中使用此工具
从OPENAI GYM解决山地车
了解并实施深度Q学习 用Keras
构建人工神经网络
使用OpenAI Gym提供的环境
了解如何在您自己的项目中使用此工具
解决蛇问题
了解并实施深度卷积Q学习 ,使用
Keras构建卷积神经网络
了解如何在您自己的项目中使用此工具
要求
高中数学
编程的基本知识,例如“ if”条件,“ for”和“ while”循环等等
描述
是否曾经希望您可以利用深度学习和机器学习的功能来打造为游戏而构建的智能机器人?
如果您正在寻找一种创新的方式来学习人工智能,那么“简单游戏的人工智能”是您建立持久知识的关键。
使用简单的游戏(如Snake,Traveling Salesman问题,迷宫等)的有趣且灵活的环境来学习和测试您对基本DL和ML算法的AI知识。
1.无论您是绝对的初学者还是经验丰富的机器学习专家,本课程都为您在游戏环境及其他环境中构建AI所需的基本和高级概念奠定了坚实的基础。
2.本课程涵盖的关键算法和概念包括:遗传算法,Q学习,使用人工神经网络和卷积神经网络的深度Q学习。
3.深入探讨SuperDataScience广受喜爱的交互式学习环境,该环境旨在通过实用而具有挑战性的案例研究逐步建立知识和直觉。
4.代码的灵活性意味着学生将能够尝试不同的游戏场景,并将他们的学习轻松应用于游戏行业之外的业务问题。
“简单游戏的AI”课程
第1部分-通过将著名的Traveling Salesman问题应用于星际游戏,深入研究遗传算法。挑战将是建造一艘能在最短时间内穿越所有星球的宇宙飞船!
第2节-了解无模型强化学习算法Q-Learning的基础。培养直觉和可视化技能,并尝试构建自定义迷宫并设计能够找到出路的AI。
第3节-深入进行Q学习。使用OpenAI Gym开发环境探索神经网络的奇妙世界,并学习如何为许多其他简单游戏构建AI!
第4节-通过构建自己的经典游戏Snake,结束课程!在这里,您将通过构建模仿我们玩Snake时看到的相同行为的AI,来利用卷积神经网络。
谁该课程是:
有兴趣的人开始自己的旅途AI
有意为游戏制作的AI任何人
任何寻找灵活的工具来解决多种人工智能问题
的数据的科学爱好者寻求扩大其AI的知识
https://sn9.us/file/474554-425999385
https://sn9.us/file/474554-425997856