Artificial Intelligence und Reinforcement Learning in Python
4.3 (143 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
1,606 students enrolled

Artificial Intelligence und Reinforcement Learning in Python

Entwerfe eine eigene Künstliche Intelligenz (AI) mit TensorFlow und Keras. Schritt für Schritt und anschaulich erklärt.
Bestseller
4.3 (143 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
1,606 students enrolled
Created by Jan Schaffranek
Last updated 6/2020
German
Current price: $71.99 Original price: $119.99 Discount: 40% off
2 days left at this price!
30-Day Money-Back Guarantee
This course includes
  • 12 hours on-demand video
  • 9 articles
  • 90 downloadable resources
  • 1 coding exercise
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • Entwickle eigene künstliche Intelligenzen
  • Erlerne die Methoden des Reinforcement Learnings
  • Programmiere eine AI, die selbstständig Videospiele spielen kann
  • Programmiere eine AI, die Probleme versteht und lösen kann
  • Wende Neuronale Netzwerke mit TensorFlow und Keras an
  • Verstehe die Theorie hinter dem Reinforcement Learning
Course content
Expand all 120 lectures 12:12:05
+ Kapitel 1: Einleitung des Kurses
17 lectures 01:12:44
Einleitung zum Kurs
03:37
Vorwort zu der Installation
02:16
Installation: Python, Anaconda und TensorFlow
00:26
Windows: Installation von Anaconda
03:45
Linux: Installation von Anaconda
07:18
Mac: Installation von Anaconda
06:16
Einrichtung von Anaconda
06:16
Einrichtung von TensorFlow (CPU)
03:51
Einrichtung von TensorFlow (GPU)
03:46
Vorwort: Installation von OpenAI Gym
00:12
Windows: Installation von OpenAI Gym
01:31
Installation und Einrichtung von VS Code
15:51
Die ersten Schritte mit VS Code
11:09
Handbuch des Kurses
03:36
Kursmaterialien
00:05
+ Kapitel 2: Grundlagen der Python-Programmierung
16 lectures 01:57:41
Vorwort zu der Python Programmierung
03:52
Variablen und Rechenoperationen
12:48
Abfragen und Logik
05:41
Listen
06:22
For- und While Schleife
06:35
Listen Iteration, Enumerate und zip Funktion
07:30
Dictionaries
05:32
Funktionen
06:45
Eigene Module
04:48
Numpy
11:28
Matplotlib
07:40
Einstieg in die Python Programmierung
1 question
Musterlösung: Einstieg in die Python Programmierung
03:09
List Comprehensions und Mehrdimensionale Listen
08:04
Listen: Index und Slices
09:37
Weiteres zu Numpy
10:09
Klassen
07:41
+ Kapitel 3: Reinforcement Learning Grundlagen
7 lectures 42:10
Reinforcement Learning - Begriffe
05:44
Ein Beispiel: Wir sind der Agent - Teil 1
05:31
Markov Process (MP)
03:49
Markov Reward Process (MRP)
08:34
Ein Beispiel: Wir sind der Agent - Teil 2
02:33
Markov Decision Process (MDP)
05:11
Berechnung des Discounted Rewards
10:48
+ Kapitel 4: Einarbeitung in OpenAI - Gym
6 lectures 34:33
Action-Space und Observation-Space
10:27
Das erste Environment starten
06:36
Eine generische Agenten Klasse
05:47
Der Random Agent im Einsatz
04:01
Verschiedene Gym Spiele starten
04:39
+ Kapitel 5: Grundlagen des Deep Learnings
11 lectures 01:03:13
Machine Learning - Grundlagen
08:10
Supervised Learning - Grundlagen
05:10
Unsupervised Learning - Grundlagen
02:52
Machine Learning - Intuition
06:33
Neuronale Netzwerke - Aufbau
07:25
Neuronale Netzwerke - Intution
06:44
DNN Aufbau und das MNIST Dataset
05:20
DNN Programmieren - Teil 1
05:55
Neuronale Netzwerke - Das Lernen
09:17
DNN Programmieren - Teil 2
05:41
Weiterführendes: DNN
00:06
+ Kapitel 6: Unsere erste KI
9 lectures 56:15
Das Cross-Entropy Learning
06:21
Der Aufbau des Agenten
05:43
Der Konstruktor und die Play-Funktion
05:26
Das Neuronale Netzwerk
07:39
Das Training - Teil 1
05:37
Das Training - Teil 2
06:10
Das MountainCar Spiel - Austesten
13:38
Das MountainCar Spiel - Auswerten
02:54
+ Kapitel 7-1: Bellman Equation und Value Iteration
8 lectures 49:12
Bellman Equation und Q-Values
06:11
Value Iteration Algorithm - Intuition
04:40
Value Iteration Algorithm - Programmieren Teil 1
12:00
Value Iteration Algorithm - Programmieren Teil 2
05:28
Value Iteration Algorithm - Programmieren Teil 3
10:02
Die Q-Values und die Policy des VIA Agenten
05:51
Weiterführendes: Bellman Equation
00:04
+ Kapitel 7-2: Policy Iteration Algorithm
5 lectures 31:44
Policy Iteration Algorithm - Intuition
05:40
Policy Iteration Algorithm - Programmieren Teil 1
07:44
Policy Iteration Algorithm - Programmieren Teil 2
06:19
Policy Iteration Algorithm - Programmieren Teil 3
06:32
Policy Iteration Algorithm - Auswertung
05:29
+ Kapitel 8: Tabular Q-Learning
5 lectures 26:16
Tabular Q-Learning - Intuition
07:15
Tabular Q-Learning - Programmieren Teil 1
03:18
Tabular Q-Learning - Programmieren Teil 2
07:37
Tabular Q-Learning - Programmieren Teil 3
03:17
Die Q-Values und die Policy des Q-Tabluar Agenten
04:49
+ Kapitel 9: Convolutional Neural Networks
4 lectures 17:24
Convolutional Neural Networks - Teil 1
06:59
Convolutional Neural Networks - Teil 2
05:08
Convolutional Neural Networks - Programmieren
05:15
Weiterführendes: CNN
00:02
Requirements
  • Programmier Grundkenntnisse sind hilfreich
  • Mathematik Grundkenntnisse sind hilfreich
Description

Bewertungen von Kursteilnehmern:

  • "...Was ich besonders gut finde ist, dass die unterschiedlichen Arten des RL Schritt für Schritt in komplexere Algorithmen ausgebaut werden. Anhand von Problemen bei Anwendungsfällen wird erklärt, warum etwas nicht funktioniert und wie man es löst..." ( ★★★★ von Thomas Albrecht)

  • "Ja der Jan erklärt recht gut, detailliert und durchdacht, nicht wie andere Dozenten die oft spontan noch ausdenken, was wichtig ist oder versuchen etwas spontan zu erklären und dann denken die länger nach oder sagen vereinfachte Erklärungen, weil sie selber nicht wissen, was Sache ist...." ( ★★★★1/2 von Nathan Kaufman)

  • "Ich habe mich jetzt doch für die 5 Sterne entschieden, denn die hast du dir verdient! Generell finde ich den Kurs super und ich würde ihn weiterempfehlen..." (★★★★★ von Abdullah Al-Mubarak)

Kursbeschreibung:

Wir bewegen uns auf das Zeitalter der künstlichen Intelligenz zu. Es wird in Zukunft unser aller Leben bereichern und beeinflussen. Wenn du dich heute schon mit diesem spannenden Themengebiet auseinandersetzen willst, bist du hier genau richtig.

Der Kurs beinhaltet zunächst den Einstieg in die Python Programmierung und des Deep Learnings mit Neuronalen Netzwerken. Anschließend werden die wichtigsten Konzepte des Reinforcement Learnings vermittelt und anschaulich erklärt, indem wir eigene KI's programmieren und auswerten.

Der Kurs ist mit Videos, Quizze und Programmieraufgaben versehen, um den optimalen Lernerfolg zu garantieren. Ebenfalls werden zu allen Lektionen weiterführende Materialien verlinkt und der gesamte Code wird frei zugänglich sein.

Dieser Kurs besteht aus folgenden Themengebieten:

  • Grundlagen der Python Programmierung

  • Grundlagen des Machine- und Deep Learnings

  • Einführung in TensorFlow und Keras

  • Einführung in das Reinforcement Learning

  • Anwendung neuster Reinforcement Learning Techniken

  • Erstellung einer KI für Simulationen

  • Erstellung einer KI für Atari Videospiele


Werde noch heute ein Profi, in der Technologie von Morgen!
Wir sehen uns im Kurs!

Who this course is for:
  • Alle die sich für die künstliche Intelligenz interessieren
  • Studenten der Informatik, Mathematik etc.
  • Softwareentwickler, Data Scientists oder Machine Learning Experten