Neu!
Nanodegree-Programm

Werde Experte für Deep Reinforcement Learning

Entwickle Deep RL-Algorithmen wie Deep Q-Networks oder Deep Deterministic Policy Gradients

Lerne die Deep Reinforcement Learning-Fähigkeiten, die hinter den Fortschritten in der künstlichen Intelligenz stehen, und wende sie in Projekten von Gaming- bis Robotik-Anwendungen an.

Kursvorschau

Bis 28. August für den nächsten Kurs anmelden!

  • Kursdauer
    4 Monate

    Lerne 10-15 Stunden/Woche, um 4 Monaten abzuschließen

  • Kursbeginn
    28. August 2018
  • Voraussetzungen
    Python, Deep und Machine Learning

    Detaillierte Voraussetzungen ansehen

  • Sprache
    Englisch

    Lernmaterialien und Kurskommunikation in englischer Sprache

In Zusammenarbeit mit
  • Unity
  • Nvidia-deep-learning-institute

Was spricht für diesen Deep RL-Online-Kurs von Udacity?

Deep Reinforcement Learning ist ein Treiber in der Entwicklung künstlicher Intelligenzen. Forscher, Ingenieure und Investoren sind begeistert vom Potenzial, das Deep RL birgt. In diesem fortgeschrittenen Lernprogramm vertiefst du deine Kenntnis von Techniken wie Deep Q-Learning und Actor-Critics Methoden, baust dabei ein Portfolio mit eindrucksvollen Projekten auf und knüpfst Kontakte zu Experten von NVIDIA und Unity.


Was spricht für diesen Deep RL-Online-Kurs von Udacity?

Apple, Facebook und Google investieren verstärkt in Deep Reinforcement Learning

Lerne, was gefragt ist
Lerne, was gefragt ist

Lerne, was gefragt ist

Deep Reinforcement Learning steht an der Spitze der künstlichen Intelligenz. Viele Spezialisten erachten es als wesentlichen Treiber für neuste KI-Entwicklungen. Mit deiner Kenntnis von Techniken wie Deep Q-Learning oder Actor-Critic aus diesem Kurs machst du dich zum gefragten Experten auf dem KI-Markt.

Lerne von den Besten

Lerne von den Besten

Wir haben mit Experten von NVIDIA und Unity zusammengearbeitet, um dieses einzigartige Deep RL-Programm zu erstellen, das Theorie und Praxis verbindet. Du gehst spannende Herausforderungen aus dem KI-Alltag an, ob nun in der Games-Entwicklung, Finanzwirtschaft oder Robotik.

Entwickle eigene Algorithmen
Entwickle eigene Algorithmen

Entwickle eigene Algorithmen

In interaktiven Quizzes, Lernvideos und drei großen Projekte lernst du, wie du eigene Deep RL-Algorithmen entwickeln kannst. Die Projekte geben uns einen Eindruck, ob du das Gelernte verinnerlicht hast und in anderen Kontexten beherrschst. Wir sind überzeugt, dass nur dieses angewandtes Lernen effektiv und nachhaltig ist.

Lerne dazu, mit jedem einzelnen Projekt

Lerne dazu, mit jedem einzelnen Projekt

Du steckst viel Arbeit in deine Projekte, wir auch. Projekt für Projekt erhälst du individuelles Feedback von unseren KI-Experten und dokumentierst deine optimierten Projekte abschließend bei GitHub, um der Welt zu zeigen, was du gelernt hast.

Von und mit den Besten lernen

Alexis Cook
Alexis Cook

Kursentwickler

Alexis machte Masterabschlüsse in Informatik und Angewandter Mathematik und arbeitete als Forschungsbeauftragte der National Science Foundation, bevor sie zu Udacity kam.

Arpan Chakraborty
Arpan Chakraborty

Kursentwickler

Arpan ist Informatiker mit PhD der North Carolina State und Co-Autor von "Practical Graph Mining with R". Neben Udacity doziert er auch am Georgia Institute für Technology (im Informatik-Master).

Mat Leonard
Mat Leonard

Produktleiter

Mats Disziplinen sind die Physik, die Neuro- und Datenwissenschaften. Er promovierte in Berkeley, durchlief das dortige Postdoc-Stipendium und leitet heute Udacitys KI-Programme.

Luis Serrano
Luis Serrano

Kursentwickler

Luis ist Doktor der Mathematik und Postdoc-Stipendiat der Universität Quebec. Zu Udacity stieß Luis von Google, wo er vorher als Machine Learning-Ingenieur tätig war.

Cezanne Camacho
Cezanne Camacho

Kursleiterin

Cezanne hat ihren Elektrotechnik-M.A. in Stanford gemacht und sich in der Genomforschung auf Computer Vision spezialisiert, also biomedizinische Bildgebungs- und Deep Learning-Verfahren zu Diagnosezwecken.

Dana Sheahen
Dana Sheahen

Kursentwicklerin

Dana ist Elektroingenieurin mit Informatikmaster des Georgia Institutes for Technology und jahrelanger Erfahrung in der Entwicklung von Embedded Systems für Motorola. Dabei erhielt sie u.a. ein Patent für ein integriertes Betriebssystem.

Chhavi Yadav
Chhavi Yadav

Kursentwicklerin

An der New York University schloss Chhavi ihr Informatikstudium mit einer Arbeit über Machine Learning-Algorithmen ab. Als Elektroingenieurin arbeitete sie vorrangig an verschiedenen Funksystemen.

Juan Delgado
Juan Delgado

Tutor

Juan ist Computerphysiker und promoviert derzeit in Biophysik. Zu Udacity kam er von der NASA, für die er Weltrauminstrumente entwickelte – und Software, die wissenschaftliche Datenmassen mit Machine Learning-Techniken analysiert.

Was du lernst

Kursplan herunterladen
Lehrplan

Deep Reinforcement Learning

Lerne die neusten Deep Reinforcement Learning-Algorhithmen von Deep Q-Networks (DQN) bis Deep Deterministic Policy Gradients (DDPG). Wende diese Konzepte an, um Bots im Laufen, Fahren oder anderen komplexen Tätigkeiten zu schulen und erstelle so ein Portfolio beeindruckender Deep RL-Projekte.

Lerne die neusten Deep Reinforcement Learning-Algorhithmen von DQN bis DDPG und wende die Konzepte an, um Bots in komplexen Tätigkeiten zu schulen. So erstellst du ein Portfolio beeindruckender Deep RL-Projekte.

Weniger anzeigen

Dauer: 4 Monate

Voraussetzungen

Das Programm erfordert Erfahrung mit Python, Wahrscheinlichkeitsrechnung, Machine Learning und Deep Learning.Detaillierte Voraussetzungen ansehen

  • Grundlagen des Reinforcement Learning

    Lege die Grundlagen des Reinforcement Learning, indem du eigene Anwendungen verschiedener Deep RL-Grundmethoden schreibst.

  • Wertorientierte Methoden

    Wende Deep Learning-Architekturen auf entsprechende Herausforderungen an: Du trainierst einen Bot, der sich mithilfe von Sensordaten durch eine virtuelle Welt navigiert.

    Navigation
  • Richtlinienbasierte Methoden

    Lege die Grundlagen entwicklungsorientierter Algorithmen und Gradient-Methoden. Darauf basierend entwickelst du einen Algorithmus, der einen simulierten Roboterarm gezielt steuert und greifen lässt.

    Kontinuierliche Kontrolle
  • Multi-Agent Reinforcement Learning

    Du lernst, wie man Reinforcement Learning-Methoden auf mehrere, interagierende Bots anwendet. Diese Techniken sind Grundlage diverser Anwendungen, etwa bei der Koordination selbstfahrender Fahrzeuge.

    Kollaboration und Konkurrenz

Udacitys Experts-in-residence

Unity, OpenAI, Stanford – nur ein paar KI-Institutionen, die Experten für diesen Deep Reinforcement Learning-Kurs schicken. Profitiere von persönlichen, moderierten Fachgesprächen mit ihnen, erhalte Einblicke und Beratung, die dich auf kommende Schritte deiner KI-Zukunft vorbereiten.Profitiere von persönlichen, moderierten Fachgesprächen mit Experten von Unity, OpenAI oder Stanford, erhalte Einblicke und Beratung, die dich auf deine KI-Zukunft vorbereiten.

Unsere Experten

Vincent Gao

Software-Entwickler für Machine Learning, Unity

Melody Guan

Machine Learning Doktorantin, Stanford University

Arthur Juliani

Deep Learning Forscher, Unity

Avilay Parekh

Leitender Machine Learning-Entwickler, Unity

Peter Welinder

Forschungswissenschaftler, OpenAI

“So wie Maschinen einst die menschliche Muskelkraft tausendfach übertrafen, potenzieren sie jetzt unsere Hirnkapazität. Wir sehen gerade erst die Anfänge dessen, was Deep Learning für uns leisten kann.”

— Sebastian Thrun, Gründer und Präsident, Udacity
Nanodegree-Programm
Deep Reinforcement Learning
$999 USD

insgesamt

In 4 Monaten lernst du neuste Deep Reinforcement Learning-Techniken angewandt, mit unseren Experten und in herausfordernden Projekten.

Jetzt anmelden

Program-Details

    Übersicht – Was spricht für dieses Nanodegree-Programm?
  • Warum sollte ich mich für diesen Deep RL-Kurs anmelden?
    Die Nachfrage nach Ingenieuren mit Fähigkeiten in Deep Learning und Deep Reinforcement Learning ist wesentlich größer als das Angebot. Dieses Missverhältnis wird sich in den kommenden Jahren noch verschärfen. Deshalb haben wir gemeinsam mit KI-Experten ein Lernprogramm entworfen, das diese gefragten Deep RL-Fertigkeiten praxisnah und effektiv vermittelt. Im Programm setzen Lernende verschiedene Deep Reinforcement Learning-Algorhithmen ein, kombinieren Python und Deep Learning-Bibliotheken und beweisen diese Kenntnisse mit einem Portfolio.
  • Auf welche Jobs bereitet mich dieses Lernprogramm vor?
    Der Kurs baut auf bestehende Kenntnisse der Machine Learning- und Deep Learning-Entwicklung auf. Er ist darin nicht als Vorbereitung auf einen spezifischen Job gedacht, sondern erweitert allgemeine Fertigkeiten auf dem Gebiet des Deep Reinforcement Learning: Wissen, das in diversen Anwendungsgebieten wie Games, Robotik, Empfehlungsalgorithmen, Self-Driving Cars oder dem Finanzwesen zur Geltung kommen kann.
  • Woher weiß ich, dass dieser Kurs der richtige für mich ist?
    Du hast bereits einschlägige Programmiererfahrung und suchst einen Weg in die spannende und zukunftsweisende Welt des Deep Reinforcement Learning, die die künstliche Intelligenz in eine neue Ära führt? Dieses Programm ist der perfekte Einstieg.
    Anmeldung
  • Gibt es spezifische Zulassungsbedingungen? Muss ich mich bewerben?
    Nein. In diesem Nanodegree-Programm akzeptieren wir alle Teilnehmerinnen, unabhängig von ihren Erfahrungen und fachlichem Hintergrund.
  • Welche Fähigkeiten sollte ich mitbringen?
    Als ideale Vorbereitung empfehlen wir unser Deep Learning Nanodegree-Programm. Neben Erfahrung mit Deep Learning-Architekturen sollten Lernende folgendes Wissen mitbringen:
    • Fortgeschrittene Python-Programmierung:
      • Strings, numbers, and variables
      • Statements, operators, and expressions
      • Lists, tuples, and dictionaries
      • Conditions, loops
      • Generators & comprehensions
      • Procedures, objects, modules, and libraries
      • Troubleshooting and debugging
      • Research & documentation
      • Problem solving
      • Algorithms and data structures
    • Grundlegendes Shell Scripting:
      • Run programs from a command line
      • Debug error messages and feedback
      • Set environment variables
      • Establish remote connections
    • Grundlegende Statistik:

      • Bestand und Stichproben
      • Mittelwert, Median, Modalwert
      • Standardfehler
      • Variation und Standardabweichung
      • Normalverteilung
    • Fortgeschrittene Differentialrechnung und lineare Algebra:

      • Ableitungen und Integrale
      • Reihenentwicklung
      • Matrizenrechnung über Eigenvektoren und -werte
  • Wie kann ich mich auf das Programm vorbereiten?
    Programm-Struktur
  • Wie ist dieses Nanodegree-Programm aufgebaut?
    Dieses Nanodegree-Programm besteht aus einem (1) Abschnitt von vier (4) Monaten Länge. Dieser Abschnitt hat feste Start- und Endtermine. Um das Programm erfolgreich (also mit einem Nanodegree-Zertifikat) abzuschließen, musst du innerhalb dieser Frist alle erforderlichen Projekte abgeben und bestanden haben. An diesen Projekten wendest du das Gelernte praktisch an und demonstrierst, dass du die Tools und Konzepte beherrschst.

    Sobald du es eingereicht hast, wird jedes deiner Projekte von einem Experten aus unserem Netzwerk begutachtet und mit Feedback versehen. Wenn du das Projekt nicht bestehst, hast du die Chance, es solang zu überarbeiten (und immer wieder zur Begutachtung einzureichen), bis der Experte das Projekt als bestanden markiert.

    Dein Nanodegree-Zertifikat erhältst du, wenn du alle Projekte innerhalb der Kursfristen erfolgreich bestanden und somit deine Programmierkenntnisse nachgewiesen hast. Die Projekte bilden außerdem ein Projektportfolio, das künftige Bewerbungen eindrucksvoll ergänzen wird.
  • Wie lange dauert das Nanodegree-Programm?
    Der Zugang zum Nanodegree-Programm gilt für vier (4) Monate.

    In den Udacity Nanodegree-FAQ findest du alle Informationen zu Fristen und Verlängerungen in unseren Programmen.
  • Kann ich später mit dem Programm beginnen? Kann ich mir die Kursgebühren erstatten lassen?
    In den Udacity Nanodegree-FAQ findest du alle Informationen zur Anmeldung und Erstattung unserer Programme.
    Software und Hardware - Was brauche ich für dieses Programm?
  • Erfordert das Programm bestimmte Software oder Hardware?
    Lernende benötigen einen Rechner mit 64-Bit-Architektur, einem Betriebssystem mit mindestens 8GB RAM (die meisten Windows, OS X und Linux Versionen erfüllen diese Anforderung) und Administratorenrechten, um Programme installieren und updaten zu können. Das Netzwerk sollte eine sichere Verbindung (wie SSH) mit Remote Hosts erlauben. Die Installation aller Software und Updates gehen wir im Programm gemeinsam durch.

Deep Reinforcement Learning

Entwickle Deep RL-Algorithmen wie Deep Q-Networks oder Deep Deterministic Policy Gradients

Kursvorschau