Hubungi Kami

Kerangka Materi

Pengantar Pembelajaran Penguatan

  • Gambaran umum tentang pembelajaran penguatan beserta aplikasinya
  • Perbedaan antara pembelajaran terawasi, tak terawasi, dan penguatan
  • Konsep-konsep penting: agen, lingkungan, reward, serta kebijakan (policy)

Proses Keputusan Markov (MDP)

  • Memahami konsep state, aksi, reward, serta transisi antar-state
  • Fungsi nilai dan Persamaan Bellman
  • Penerapan pemrograman dinamis untuk memecahkan masalah MDP

Algoritma Pembelajaran Penguatan Dasar

  • Metode tabular: Q-Learning dan SARSA
  • Metode berbasis kebijakan: algoritma REINFORCE
  • Kerangka kerja Actor-Critic serta penerapannya

Pembelajaran Penguatan Berbasis Deep Learning

  • Pengenalan terhadap Deep Q-Networks (DQN)
  • Konsep penggunaan experience replay dan jaringan target
  • Metode gradient-based policy serta teknik RL lanjutan lainnya

Kerangka Kerja dan Alat Bantu Pembelajaran Penguatan

  • Pengantar terhadap OpenAI Gym serta lingkungan RL lainnya
  • Pemanfaatan PyTorch atau TensorFlow dalam pengembangan model RL
  • Proses pelatihan, pengujian, serta evaluasi kinerja agen RL

Tantangan dalam Pelaksanaan Pembelajaran Penguatan

  • Menyeimbangkan aktivitas eksplorasi dan eksploitasi selama proses pelatihan
  • Mengatasi masalah reward yang jarang muncul maupun kesulitan dalam penentuan kontribusi masing-masing aksi
  • Tantangan skalabilitas serta beban komputasi dalam implementasi RL

Aktivitas Praktikum Langsung

  • Mengimplementasikan algoritma Q-Learning dan SARSA dari awal
  • Melatih agen berbasis DQN agar mampu memainkan permainan sederhana melalui OpenAI Gym
  • Menyesuaikan model RL guna meningkatkan kinerjanya dalam lingkungan kustom

Penutup dan Langkah Selanjutnya

Persyaratan

  • Pemahaman mendalam mengenai prinsip-prinsip dan algoritma pembelajaran mesin
  • Kemampuan programming yang baik menggunakan Python
  • Pengenalan terhadap jaringan saraf serta kerangka kerja deep learning

Target Peserta

  • Insinyur pembelajaran mesin
  • Spesialis AI
 14 Jam

Jumlah Peserta


Harga per Peserta

Kursus Mendatang

Kategori Terkait