Public visé
ingénieurs & équivalentIngénieurs ou équivalent possédant une expérience en apprentissage automatique et en programmation python, qui souhaitent comprendre en profondeur les principes de l'apprentissage par renforcement et en développer une maîtrise pratique.
Une première expérience avec une librairie de différentiation automatique (tensorflow, pytorch, keras...) est requise.
Les plus de la formation
experts enseignants pédagogie activeDes enseignants experts de l'apprentissage par renforcement, alliant couverture large et profonde du domaine, et bonne connaissance de la pratique.
Une formation qui fournit les bases, les méthodes, et une expérience pratique de l'apprentissage par renforcement pour donner aux participants les moyens de progresser au-delà de la formation.
Une pédagogie active qui s'adapte aux questions et attentes des participants au fil des séances.
Intervenants
Olivier Sigaud Antonin Raffin
Il enseigne l'apprentissage par renforcement en Master depuis 2001 et encadre des recherches fondamentales et appliquées dans le domaine.
Objectifs
bases théoriques savoir-faireÀ l'issue de la formation, les participants auront acquis les bases théoriques et les savoir-faire leur permettant de:
- Identifier dans quelle mesure une problématique professionnelle se prête à une modélisation sous la forme d'un problème d'apprentissage par renforcement
- Choisir les bons algorithmes et une infra-structure de calcul adaptée face à un problème d'apprentissage par renforcement donné
- Mettre en œuvre ces algorithmes, en régler les hyper-paramètres et s'assurer de l'obtention d'une solution satisfaisante
- Suivre les progrès de la recherche en apprentissage par renforcement grâce à une bonne vue d'ensemble de ce domaine
