澳门人·巴黎(中国)官网欢迎您

机械之心报道作者：杜伟、小舟主题涵盖深度强化学习领域的方方面面，UC 伯克利 CS 285 2020 秋季课程视频放出。当地时间 10 月 11 日，UC 伯克利电气工程与盘算机科学系（EECS）助理教授 Sergey Levine 在推特上宣布，他教学的 CS285 深度强化学习（RL）课程已经放出了部门视频，并表现之后每周会实时更新后续课程。这门课程共有 21 节，现在已放出了前 12 节课程的视频，每节课程被支解为 4 至 6 个短视频，视频长度不等，现在共计有 55 个视频：视频地址：https://www.youtube.com/playlist?list=PL_iWQOsE6TfURIIhCrlt-wj9ByIVpbfGc这门课程由 UC 伯克利电气工程与盘算机科学系推出，主要先容了深度强化学习领域的差别主题。

在 21 节课程中，Sergey Levine 主要讲述了行为监视学习、TensorFlow 和神经网络知识回首、强化学习综述、计谋梯度、Actor-Critic 算法、价值函数方法、带有 Q 函数的深度 RL、高级计谋梯度、基于模型的计划、强化学习和计谋学习、逆强化学习、迁移学习与多任务学习、漫衍式 RL、元学习和信息论等主题。这门课旨在为学生提供基础知识，以相识深度强化学习算法。此外，在课程事情人员的资助下，学生还将获得举行最终研究级项目的时机。详细而言，该课程将提供几种常用强化学习算法的实践履历，并为学生讲述高级深度强化学习主题的概述，以及当前该领域的研究趋势。

对于 Sergey Levine 的这门课程，有网友表现，UC 伯克利的 RL 课程对于该领域学习者而言是很是棒的学习资源。讲师先容本系列课程的讲师是来自加州大学伯克利分校电气工程与盘算机科学系的助理教授 Sergey Levine。他的研究主要集中在控制与机械学习之间的交织融合，旨在开发能够使机械具有自主掌握执行庞大任务技术的算法和技术。Sergey Levine 对如何将学习用于掌握庞大的行为技术上格外感兴趣，以便让机械更自主更智能。

Sergey Levine 于 2009 年获得斯坦福大学盘算机科学学士和硕士学位，并于 2014 年继续获得斯坦福大学盘算机科学博士学位。他于 2016 年秋季加入加州大学伯克利分校电气工程与盘算机科学系，主要研究用于决议和控制的机械学习，重点是深度学习和强化学习算法。在谷歌学术主页上，Sergey Levine 所著论文的被引用次数已经到达了 31000 以上。Sergey Levine 的研究应用包罗自主机械人和自动驾驶汽车，以及盘算机视觉和盘算机图形学。

研究内容包罗开发将感知和控制相联合的深度神经网络计谋的端到端训练算法、用于逆强化学习的可扩展算法、深度强化学习算法等。Sergey Levine 的研究曾被纽约时报、BBC、MIT 科技评论、彭博社等知名媒体报道。参考链接：http://rail.eecs.berkeley.edu/deeprlcourse/https://www2.eecs.berkeley.edu/Courses/CS285/。

本文来源：巴黎澳门人娱乐网站-www.zhexin012.com