Применение нейросетевых моделей в обучении с подкреплением

13 июня | 20:00 МСК

Открытый урок курса
Reinforcement Learning

как применять нейросети для решения задач обучения с подкреплением.

На вебинаре разберем:

Этот вебинар будет полезен

ML инженерам, аналитикам данных, аналитикам-разработчиков

Узнаете в чем проявляются недостатки классических алгоритмов и как нейросети помогают их решить. Посмотрим как реализовать алгоритм Q-learning на базе нейросети и какие возможности перед нами открывает это решение. Поговорим о различных видах функции потерь и сформируем реализацию для алгоритма DQN (Deep Q-learning). В заключении расмотрим какие дополнительные условия предъявляются к архитектуре нейросети, моделироующей поведение агента в алгоритме DQN.

В результате вебинара:

Спикер

Более 15 лет занимался прикладной математикой и мат. моделированием в НИИгазэкономика ПАО Газпром.

Руководил командой 20+ человек, решающей прикладные задачи, вывод готовых моделей в продакшн и поддержку решений у клиента.

Разрабатывал модель развития и прогнозирования технического состояния газотранспортной системы ПАО Газпром.

Образование:
кандидат наук физико-математических наук, Теоретическая физика, Московский государственный университет (МГУ)

Otus Certified Educator

Игорь Стурейко

Все участники вебинара получат

Запись открытого вебинара

Бесплатный урок
курса

Сертификат со скидкой на покупку курса