Bewerben Sie sich jetzt für kostenlose Unterstützung durch unser Cybersecurity Services Centre

Beantragen Sie kostenlose Unterstützung im Bereich Cybersicherheit

Besuchen Sie das Ransomware Defence Summer Bootcamp in Amsterdam, Juni 2026

Nehmen Sie an unserem kostenlosen Sommer-Bootcamp zur Ransomware-Abwehr teil

Melden Sie sich für den Online-Live-Kurs "Grundlagen der Cybersicherheit und AI" an.

Informieren Sie sich online über die Grundlagen der Cybersicherheit und AI

Reinforcement Learning

Dieses Modul untersucht das Verstärkungslernen, eine Art des maschinellen Lernens, bei dem Agenten lernen, Entscheidungen zu treffen, indem sie mit einer Umgebung interagieren, um die kumulative Belohnung zu maximieren. Es behandelt Schlüsselkonzepte wie den Markov-Entscheidungsprozess, Richtlinienoptimierung und wertbasierte Methoden sowie Anwendungen in Bereichen wie Spiele, Robotik und autonome Systeme.

Curriculum Builder

Brauchen Sie Hilfe? Klicken Sie hier für Anweisungen.

Sutton, Richard S., und Andrew G. Barto. Verstärkungslernen: An Introduction. Zweite Auflage. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Kochenderfer, Mykel J., Tim A. Wheeler, und Kyle H. Wray. Algorithmen zur Entscheidungsfindung. Cambridge, Massachusetts: The MIT Press, 2022.

Agarwal, Alekh, Nan Jiang, und S. Kakade. "Reinforcement Learning: Theorie und Algorithmen", 2019.

https://www.semanticscholar.org/paper/Reinforcement-Learning%3A-Theory-and-Algorithms-Agarwal-Jiang/8ef87e938b53c7f3ffdf47dfc317aa9b82848535

Bertsekas, Dimitri P. Reinforcement Learning and Optimal Control. 2. Auflage (mit redaktionellen Überarbeitungen). Belmont, Massachusetts: Athena Scientific, 2019.

Reinforcement Learning

Curriculum Builder

Sutton, Richard S., und Andrew G. Barto. Verstärkungslernen: An Introduction. Zweite Auflage. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Kochenderfer, Mykel J., Tim A. Wheeler, und Kyle H. Wray. Algorithmen zur Entscheidungsfindung. Cambridge, Massachusetts: The MIT Press, 2022.

Agarwal, Alekh, Nan Jiang, und S. Kakade. "Reinforcement Learning: Theorie und Algorithmen", 2019.

Bertsekas, Dimitri P. Reinforcement Learning and Optimal Control. 2. Auflage (mit redaktionellen Überarbeitungen). Belmont, Massachusetts: Athena Scientific, 2019.

Wie der Curriculum Builder funktioniert

Vielen Dank, dass Sie sich für unseren Newsletter angemeldet haben!

Dankeschön! RSVP erhalten für Sutton, Richard S., und Andrew G. Barto. Verstärkungslernen: An Introduction. Zweite Auflage. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Sutton, Richard S., und Andrew G. Barto. Verstärkungslernen: An Introduction. Zweite Auflage. Adaptive Computation and Machine Learning Series. Cambridge, Massachusetts: The MIT Press, 2018.

Laden...