Aprendizado profundo para robótica

Semana 1

Tenha uma visão geral para iniciantes sobre a aprendizagem supervisionada para aplicações de robótica. Os tópicos incluem:

  • Use o backpropagation para treinar uma rede neural simples e identificar sobreajustes
  • Construa uma rede neural usando o PyTorch para um sistema de desvio de obstáculos

Baixar

Semana 2

Use redes neurais para controlar os movimentos de um robô. Tópicos adicionais incluem:

  • Use redes neurais para cálculos de movimento cinemático inverso
  • Aprimore o treinamento com técnicas como desligamento e regularização
  • Solucione problemas de alta dimensão reduzindo as dimensões com análise de componentes principais (PCA)

Baixar

Semana 3

Descubra o aprendizado por reforço, em que o agente aprende com o ambiente, e não com rótulos. Os tópicos incluem:

  • Definir uma política e calcular seu gradiente
  • Desenvolva um agente de aprendizado por reforço com o PyTorch
  • Tenha acesso a uma visão geral do Treinamento de aprendizado por reforço, uma estrutura de aprendizado por reforço de última geração

Baixar

Semana 4

Explore a incorporação de dados temporais em redes neurais, incluindo:

  • Backpropagation em função do tempo e gradientes desvanecendo ou explodindo
  • Muitas variações de redes neurais recorrentes (RNN) e memórias longas de curto prazo (LSTMs), e como implementá-las no PyTorch

Baixar