Intel® AI Academy | Todos los cursos

Aprendizaje profundo sobre robótica

Resumen

Aprenda cómo aplicar el aprendizaje automático a las aplicaciones de robótica a través de este curso desarrollado en colaboración con Interactive Robotics Lab de Arizona State University. Estos módulos proporcionan las bases para usar algoritmos de aprendizaje profundo en diversas cargas de trabajo de robótica, los cuales comienzan con la comprensión de redes neuronales simples para explorar la memoria a corto plazo prolongada (LSTM) y el aprendizaje reforzado.

Este curso le proporciona conocimiento práctico sobre las siguientes habilidades:

  • Aplique el aprendizaje supervisado para la detección de obstáculos
  • Derive la retropropagación y use la deserción y la normalización para entrenar su modelo
  • Utilice el aprendizaje reforzado para permitir que un robot aprenda a partir de simulaciones
  • Desarrolle muchos tipos de sistemas de aprendizaje profundo con PyTorch*

La estructura del curso se rige sobre la base de cuatro semanas de conferencias y ejercicios. Cada semana requiere tres horas.

Semana 1

Obtenga una descripción general para principiantes sobre el aprendizaje supervisado para las aplicaciones de robótica . Los temas incluyen:

  • Utilice la retropropagación para entrenar una red neuronal simple e identificar sobreajustes
  • Desarrolle una red neuronal mediante el uso de PyTorch para un sistema de evasión de obstáculos

Descargar

Semana 2

Utilice redes neuronales para controlar el movimiento de un robot.  Entre los temas adicionales, se incluyen los siguientes:

  • Utilice redes neuronales para el cálculo de movimiento de la cinemática inversa
  • Mejore la capacitación con técnicas tales como la deserción y la regularización
  • Solucione problemas de alta dimensión mediante la reducción de dimensión con el análisis de componentes principales (PCA)

Descargar

Semana 3

Descubra el aprendizaje reforzado en el que un agente aprende del entorno en lugar de las etiquetas. Los temas incluyen:

  • Defina una política y calcule su gradiente
  • Escriba un agente de aprendizaje reforzado con PyTorch
  • Obtenga una descripción general de Reinforcement Learning Coach, un marco de aprendizaje de refuerzo de vanguardia

Descargar

Semana 4

Descubra cómo incorporar datos temporales en redes neuronales, lo que incluye lo siguiente:

  • Retropropagación con el pasar del tiempo y gradientes que desaparecen o explotan
  • Muchas variaciones de redes neuronales recurrentes (RNN) y LSTM, y cómo implementarlas en PyTorch

Descargar