Ich werde einen Deep-Reinforcement-Learning-Agenten für dich trainieren

Erfahrener Research Engineer im Bereich Computer Vision in Reinforcement Learning, spezialisiert auf das Training von Reinforcement-Learning-Agenten.

Frühere Arbeiten umfassen:

• Implementierung von Forschungsarbeiten.
• Q-Learning-Agenten für Einzel- und Mehrspieler-Spiele.
• Training der meisten OpenAI Gym-Umgebungen.
• DQN-Training nur mit NumPy von Grund auf.
• Training mehrerer maßgeschneiderter Agenten.
• Training beliebiger Reinforcement-Learning-Agenten in benutzerdefinierten Umgebungen.

Anbieten modernster Implementierungen von Reinforcement-Learning-Algorithmen für deine benutzerdefinierten Umgebungen oder Umgebungen von OpenAI gymnasium.

Fähig, sowohl einfache als auch komplexe Umgebungen zu handhaben.

• Kompetent in MDPs, TD und Q-Learning.
• DQN (Deep Q-Networks)
• PPO (Proximal Policy Optimization)
• TRPO (Trust Region Policy Optimization)
• Actor-Critic-Methoden
• A2C (Advantage Actor-Critic)
• A3C (Asynchronous Advantage Actor-Critic)
• Monte Carlo-Methoden
• DDPG (Deep Deterministic Policy Gradient)
• SAC (Soft Actor-Critic)
• HER (Hindsight Experience Replay)
• ACER (Actor-Critic mit Experience Replay)

Kontaktiere mich vor deiner Bestellung für schnelle Unterstützung.

Sei versichert, du erhältst eine schnelle Rückmeldung.