来自Udacity的AI学院的深度强化学习新的高级纳米学位刚刚开始。安德鲁·伍(Andrew Ng)教授的Coursera深度学习专业课程的另一篇演讲也是如此。

披露：当您按照本文的链接进行购买时，我们可能会获得会员佣金。

对“深度学习”的兴趣和激动很多，目前，“深度学习”被认为是人工智能领域最热门的研究领域。当DeepMind的AlphaGo击败世界冠军围棋选手Lee Sedol时，强化学习与神经网络相结合的方法首先成为头条新闻。我们关注的最新故事是关于OpenAI Five，这是一个由AI代理组成的团队，他们已经学会了在Dota 2上玩游戏，Dota 2是世界上最复杂的电竞游戏之一。正如Udacity所说，深度强化学习是：

我们能够开发与人类一样学习和发展的AI的方法是最接近的！

当Udacity于三月推出其AI学院时，我们首次听说了深度强化学习纳米学位。它处于高级水平，需要Python，概率和机器学习方面的经验，所有这些都可以通过现有的Udacity课程(特别是其机器学习工程师Nanodegree)来获取，请参阅来自Udacity的更多机器学习。它还需要您已经具备深度学习的知识，这可以通过采用Udacity的中级深度学习纳米学位来获得，它涵盖了诸如神经网络，卷积神经网络，递归神经网络和生成对抗网络等前沿主题，并且在Keras中有项目除了TensorFlow之外，还有NumPy。PyTorch中包含主要示例的更新版本将于9月11日开始，该预告片将告诉您更多信息：

首次参加深度强化学习的报名将于8月28日截止。只需每周学习10-15个小时，即可在4个月内完成学习，费用为999美元。与其他纳米学位一样，学生从事项目研究并观看视频讲座。在这种情况下，有四个课程和三个项目：课程1：强化学习的基础通过编写自己的许多经典解决方法的实现方法，掌握强化学习的基础知识。课程2：基于价值的方法将深度学习架构应用于强化学习任务。训练您自己的代理，该代理从感官数据导航到虚拟世界。项目1：导航使用神经网络训练可从传感数据中学习智能行为的智能体课程3：基于策略的方法学习进化算法和策略梯度方法背后的理论。设计您自己的算法来训练模拟机械臂到达目标位置。项目2：持续控制训练机械臂到达目标位置，或训练四足的虚拟生物走路。流程4：多主体强化学习了解如何将强化学习方法应用于涉及多个交互代理的应用程序。这些技术被用于多种应用中，例如自动驾驶汽车的协调项目3：协作和竞争训练代理系统以展示在复杂任务上的协作或合作。

在创建这种纳米度的过程中，Udacity与Unity和NVIDIA Deep Learning Institute合作，建立了一个在理论和实际应用之间保持平衡的程序，使参与者能够探索从游戏，金融到机器人技术等领域的严峻挑战。在该计划的整个过程中，学生将使用Python和PyTorch的组合实现几种深度强化学习算法，以构建将用作GitHub项目组合件的项目，以展示您对该高级领域的精通知识。该课程的GitHub存储库包含组成该课程的教程。

我们看了Coursera的Deep Learning Specialization，该课程由Andrew Ng和hisDeeplearning.aicompany的其他人在一年前首次启动时以及在其所有模块的详细信息之前教过。现在已经很完善，每门课程的满分为5，满分为4.8。

在中级水平上并使用Python和Tensorflow，此专业包括5个短期课程，每个课程也可以独立学习。大部分材料都可以免费审核，但可获取全部好处，并获得成功完成课程的正式证明，每月费用为49美元，可以无限制地访问Coursera的整个目录，并且有7天的免费试用期。

神经网络和深度学习4周，每周3-6小时

改善深度神经网络：超参数调整，正则化和优化3周，每周3-6小时

结构化机器学习2周，每周3-4小时

卷积神经网络4周，每周4-5小时

序列模型3周，每周4-6小时

在这五门课程中，您将学习深度学习的基础，了解如何构建神经网络，并学习如何领导成功的机器学习项目。您将了解卷积网络，RNN，LSTM，Adam，Dropout，BatchNorm，Xavier / He初始化等。您将从事医疗保健，自动驾驶，手语阅读，音乐生成和自然语言处理等案例研究。您不仅将掌握该理论，还将了解其在工业中的应用。

2020年6月更新：

他们还提供了从deeplearning.ai转向第二专业的机会，即自然语言专业化，该课程于2020年6月19日启动-请参阅Coursera上的新自然语言处理专业化。