英特尔® AI Academy | 所有课程

机器人深度学习

摘要

通过与亚利桑那州立大学 Interactive Robotics 实验室合作开发的本课程,了解如何将机器学习应用于机器人应用程序 。 从了解简单的神经网络到探索长短期记忆 (LSTM) 和强化学习,这些模块为在众多机器人工作负载中使用深度学习算法奠定了基础。

本课程为您提供以下技能的实践知识:

  • 应用监督式学习进行障碍物检测
  • 派生反向传播,并使用退出和规范化来训练您的模型
  • 使用强化学习让机器人从模拟中学习
  • 使用 PyTorch* 构建多种类型的深度学习系统

这门课程包括四周的讲座和练习。 每一周要求三小时完成。

第 1 周

以初学者的身份概要了解用于机器人应用的监督式学习 。 主题包括:

  • 使用反向传播训练一个简单的神经网络并确定过度拟合
  • 使用 PyTorch 构建一个用于避障系统的神经网络

下载

第 2 周

使用神经网络控制机器人的运动。 其他主题包括:

  • 使用神经网络进行逆运动计算
  • 使用退出和规范化等技术改进训练
  • 利用主成分分析 (PCA) 通过降低维度来解决高维问题

下载

第 3 周

了解强化学习,让代理通过环境学习,而不是标签。 主题包括:

  • 定义策略并计算其 梯度
  • 使用 PyTorch 编写强化学习代理
  • 概要了解最先进的强化学习框架 Reinforcement Learning Coach

下载

第 4 周

探讨如何将时序数据纳入神经网络,包括:

  • 通过时间以及梯度消失或梯度爆炸反向传播
  • 循环神经网络 (RNN) 和 LSTM 的许多变体以及如何在 PyTorch 中实施它们

下载