Ich werde Algorithmen für tiefgreifendes Reinforcement-Lernen entwerfen

Hallo!

Ich bin ein Ph.D. Student, der an Deep Reinforcement Learning (RL) arbeitet. Ich verfüge über Erfahrung in einer Vielzahl akademischer und industrieller Projekte und habe meine Arbeit auf führenden KI-Konferenzen präsentiert.

Hier biete ich Hilfe beim Aufbau von RL-Agenten an, die fast jedes reale Problem lösen können, einschließlich multiobjektiver und multiagentbasierter, präferenzbasierter und menschengeführter RL. Ich bin Experte in folgenden Bereichen:

• Modellbasierte oder modellfreie RL-Algorithmen
• Einfache oder komplexe Probleme des Markov-Entscheidungsprozesses (MDP).
• On-Policy- und Off-Policy-RL-Algorithmen, wie zum Beispiel:
• Q-Learning, SARSA, CQL, DQN, A2C, TRPO, PPO, SAC, TD3 und andere modellfreie RL-Algorithmen
• Alle benutzerdefinierten oder simulierten Umgebungen, wie z. B. Ampel-Controller (SUMO), Rechenzentrums-Controller, MuJoCo, Unity, PyBullet und OpenAI Gym
• Multi-Agent-RL-Probleme wie unabhängiges DQN, unabhängiges PPO, MAPPO, QMIX, VDN und andere Wertfaktorisierungsmethoden
• Präferenzbasiertes Verstärkungslernen wie PbRL mit synthetischem und menschlichem Feedback

Ich arbeite problemlos mit den folgenden Sprachen und Tools:

• Python
• TensorFlow
• Keras
• PyTorch
• NumPy
• Pandas
• Matplotlib

Bitte zögern Sie nicht, mir eine Nachricht zu senden, um Ihre Arbeit zu besprechen.

Am besten,

Umer