学习实现基础到高级深度学习,现实世界游戏的人工智能算法!
你会学到什么
学习实现最小最大算法
通过实施游戏了解Q-Learning
了解游戏中的人工智能
了解健身模块
实施深度Q学习
实现深度卷积Q学习
了解Tensorflow和Keras
学习建立复杂的人工智能播放器播放器
了解贝尔曼方程和动态规划
了解蒙特卡罗模拟
从头开始学习实现神经网络
语言:英语+中英文字幕(云桥网络 机译)|大小解压后:12.7 GB 1290X720 mp4 |时长:34h 23m
要求
高中数学:基础概率与统计
不需要编程经验。
描述
如果你有兴趣学习如何使用Python制作你自己的人工智能游戏,那么这就是适合你的课程!
本课程充满了教程视频和材料,人们可以通过运行这些视频和材料来熟悉这一学科。你不再需要阅读复杂的研究论文,并有一个坚实的数学基础来开始。只要按照本课程和材料,你就上路了。
让我们来看看本课程的结构
我们将从一个简单的游戏开始,它实现了流行的棋盘游戏算法:MinMax。在这个游戏中,我们将创建TicTacToe并编写一个算法来与人类玩家对战,并试图击败人类玩家。
接下来我们将学习gym module:一个流行的库,可以用来编写和测试我们的AI算法。
之后,我们将学习贝尔曼方程和动态规划。我们将学习如何通过模型动力学,使用贝尔曼方程找到状态的最优值。我们要实现迷宫游戏来实现Q-learning算法。
然后,我们将学习蒙特卡罗模拟。我们将检验当模型动态未知时,如何使用蒙特卡罗模拟预测价值函数。
同样,我们将在整个课程中实施以下游戏
1.使用蒙特卡罗和Q学习的21点游戏
2.Pacman使用深度卷积神经网络
3.使用Tensorflow和Keras(人类对人工智能)创建无与伦比的人工智能游戏者
4.棋盘游戏的最小最大算法
一般问答
当大多数人听到人工智能这个名词时,他们通常首先想到的是机器人。这是因为大预算电影和小说编织了在地球上肆虐的类人机器的故事。但是没有什么比这更偏离事实了。
人工智能基于这样一个原则,即人类智能可以以一种机器可以轻松模仿并执行任务的方式来定义,从最简单的任务到更复杂的任务。人工智能的目标包括模仿人类的认知活动。该领域的研究人员和开发人员在模仿学习、推理和感知等活动方面取得了令人惊讶的快速进步,达到了可以具体定义的程度。一些人认为,创新者可能很快就能开发出超越人类学习或推理任何学科能力的系统。但其他人仍然持怀疑态度,因为所有的认知活动都与人类经验的价值判断联系在一起。Learn To Create Artificially Intelligent Games Using Python3
人工智能(AI)是指在机器中模拟人类智能,这些机器被编程为像人类一样思考并模仿他们的行为。这个术语也可以应用于任何表现出与人类思维相关的特征,如学习和解决问题的机器。
这门课程是给谁的
想要学习创建人工智能游戏的初学者
想实现AI算法的程序员
希望通过创建游戏以有趣的方式学习复杂算法的初学者
任何想学习python,pygame(游戏开发工具)和人工智能的人。