Give that model a treat! : Reinforcement learning explained

Tic-Tac-Toe the Hard Way

A tartalmat a Lucas Dixon and People + AI Research biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a Lucas Dixon and People + AI Research vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.

5y ago 26:04

MP3•Epizód kép

Switching gears, we focus on how Yannick’s been training his model using reinforcement learning. He explains the differences from David’s supervised learning approach. We find out how his system performs against a player that makes random tic-tac-toe moves.

Resources:

Deep Learning for JavaScript book

Playing Atari with Deep Reinforcement Learning

Two Minute Papers episode on Atari DQN

For more information about the show, check out pair.withgoogle.com/thehardway/.

You can reach out to the hosts on Twitter: @dweinberger and @tafsiri.

10 epizódok

#Tech #Podcasting Education #Rebecca Salois #People AI Research #Machine Learning #Human Centered #Reinforcement Learning #Supervised Learning #Tic-tac-toe #Games #Google