Einführung in Reinforcement Learning mit TF-Agents & TensorFlow 2.0

Helikopter fliegen, Go spielen oder ein Datacenter effizient kühlen sind schwierige Aufgaben, die Erfahrung und vorausschauendes Handeln benötigen. Mit Reinforcement Learning (RL) lernen Computer selbständig komplexe Abläufe und benötigen nicht einmal ein Trainingsdaten mit den richtigen Antworten.

Mit TF-Agents, Googles neuestem RL-Framework, ist es so einfach wie noch nie, eine eigene Lösung zu implementieren. Nach einer sanften Einführung wie RL funktioniert loten wir das aktuelle Design von TF-Agents aus. Wir zeigen, wie TF-Agents in einer Industrieanwendung konkret verwendet wird, und was es braucht, diese auf 7.000 Clients in 42 Ländern produktiv einzusetzen.

Vorkenntnisse

• Basiswissen in Software Engineering und neuronalen Netzen sind hilfreich.
• Vorkenntnisse in Reinforcement Learning, TF-Agents oder TensorFlow sind nicht notwendig.

Lernziele

• Intuitives Verständnis wie RL funktioniert
• Was braucht es, um selbst eine Lösung zu implementieren ?
• Wie schaut eine konkrete Implementierung mit TF-Agents und TensorFlow 2.0 aus ?

 

Speaker

 

Christian Hidber
Christian Hidber arbeitet bei bSquare als Consultant mit Fokus auf Machine Learning, .Net und Azure. Nach seinem Mathematikstudium doktorierte er an der ETH Zürich und arbeitete als Postdoc am International Computer Science Institute in Berkeley (USA).

Oliver Zeigermann
Oliver Zeigermann ist Entwickler, Architekt, Berater und Coach. Oliver hat über Jahrzehnte in vielen unterschiedlichen Sprachen und mit vielen Technologien Software entwickelt. In den letzten Jahren ist er wieder tiefer in den Bereich Machine Learning eingestiegen. Er knüpft damit an sein Studium der Künstlichen Intelligenz in den 90er-Jahren an.

Gold-Sponsoren

HMS
Structr

Silber-Sponsoren

codecentric
Phytec

Bronze-Sponsor

incontext.technology GmbH

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden