Reinforcement Learning ve AI Agents
Ödül temelli öğrenme: Q-learning, policy gradient, PPO ve RLHF ile karar veren agent'lar.
Seviye
İleri
Süre
30 saat
Tahmini yayın
2028 Q2
Kategori
Machine Learning ve Deep Learning
Deneme-yanılmayla öğrenen agent'lar tasarlamayı öğreten ileri kurs. Markov karar süreçlerinden Q-learning'e, policy gradient ve PPO'dan LLM'leri hizalayan RLHF'e; ödül tasarımı ve keşif-sömürü dengesini kurarak karar veren sistemler geliştirirsin.
Öğrenilecek teknolojiler
Ne öğreneceksin
- MDP ve ödül tasarımını kavrama
- Q-learning ve policy gradient uygulama
- PPO ile modern RL
- RLHF ile model hizalama
Kimler için
- RL'e derinleşmek isteyen ML mühendisleri
- Karar veren agent'lar tasarlayanlar
- RLHF ve model hizalama ile ilgilenenler
Müfredat özeti
- 01RL temelleri ve MDP
- 02Q-learning ve değer yöntemleri
- 03Policy gradient
- 04PPO ve modern RL
- 05RLHF ve hizalama
- 06Ödül tasarımı ve pratik
Diğer kursları keşfet
Machine Learning ve Deep Learning
LLM Fine-Tuning: LoRA, QLoRA ve Hugging Face
Ne zaman fine-tune, veri hazırlama, LoRA/QLoRA ile parametre-verimli eğitim, değerlendirme ve dağıtım.
Machine Learning ve Deep Learning
Machine Learning Bootcamp: Python ve Scikit-learn
Sıfırdan ML: Python, pandas, feature engineering, denetimli/denetimsiz öğrenme ve model değerlendirme.
Machine Learning ve Deep Learning
Deep Learning: PyTorch ile Sinir Ağları
Sinir ağı temelleri, backpropagation, PyTorch, CNN'ler, eğitim döngüsü ve GPU ile hızlandırma.