簡單遊戲的人工智慧

學習如何使用功能強大的深度強化學習和人工智慧工具使用在簡單遊戲的人工智慧範例

課程介紹影片

從這 12.5 小時的課程，你會學到

解決旅行推銷員問題問題
理解並實現基因演算法( Genetic Algorithms )
獲得一般的人工智慧框架
瞭解如何在自己的專案中使用這個工具
解決一個複雜的迷宮
理解並實現 Q-Learning
獲得正確的 Q-Learning 的直覺
瞭解如何在自己的專案中使用這個工具
從 OPENAI GYM 解決山地車問題
理解並實現深度 Q-Learning
使用 Keras 建立人工神經網路
使用 OpenAI Gym 提供的環境
瞭解如何在自己的專案中使用這個工具
解決貪吃蛇
深度卷積 Q-Learning 的理解與實現
使用 Keras 建立卷積神經網路
了解如何在你自己的專案中使用此工具

要求

高中數學
基本的程式設計知識，如“ if”條件、“ for”和“ while”迴圈等

課程說明

你是否曾經希望利用深度學習和機器學習的力量來製造用於遊戲的智慧機器人？

如果你正在尋找一種創造性的方式來深入研究人工智慧，那麼“簡單遊戲的人工智慧”就是你建立永續知識的關鍵。

學習和測試你的深度學習和機器學習演算法的人工智慧知識基礎使用的樂趣和簡單遊戲的靈活環境，如貪吃蛇，旅行推銷員問題，迷宮和更多。

1. 無論你是初學者還是經驗豐富的機器學習專家，本課程提供了在遊戲環境中構建人工智慧所需的基本和進階概念的堅實基礎。

2. 本課程涵蓋的主要演算法和概念包括: 基因演算法，Q-Learning，人工神經網路和卷積神經網路的深度 Q-Learning。

3. 深入使用 SuperDataScience 深受喜愛的互動式學習環境設計逐步建立知識和直覺與實務操作，且具有挑戰性的案例研究。

4. 程式碼的靈活性意味著學生將能夠實驗不同的遊戲場景，並輕鬆地將他們的學習應用到遊戲行業之外的業務問題上。

「簡單遊戲的人工智慧」課程

第一部分: 將著名的旅行推銷員問題應用到星際遊戲中，深入研究基因演算法。挑戰將是建立一個宇宙飛船，儘可能在最短的時間內穿越所有的行星！

第二部分: 學習無模型強化學習演算法 Q-Learning 的基礎。發展直覺和視覺化技能，並嘗試建立一個自定義迷宮和設計一個人工智慧能夠找到它的出路。

第三部分: 深度 Q-Learning。使用 OpenAI Gym 開發環境探索神經網路的奇妙世界，並學習如何建立許多其他簡單遊戲的人工智慧！

第四部分ー完成課程，建立你自己的經典遊戲，貪吃蛇！在這裡，你將利用卷積神經網路建立一個人工智慧，模仿當玩貪吃蛇時的同樣的行為。

目標受眾

任何有興趣開始人工智慧之旅的人
任何有興趣為遊戲創造人工智慧的人
任何在尋找靈活的工具來解決各種各樣的人工智慧問題的人
希望擴展自己的人工智慧知識的資料科學愛好者

講師簡介

Jan Warchocki 人工智慧工程師

嗨！我叫 Jan Warchocki，是來自波蘭的人工智慧專家。

大約兩年前，我開始了我的人工智慧之旅，使用了 SuperDataScience 和 Hadelin de Ponteves 的 Udemy 課程。從那以後，我自己建立了多個人工智慧專案，這些專案都是基於強化學習和深度學習這樣的學科。通過建立這些模型，我拓展了自己在這些主題上的經驗和知識。

今天，我想和大家分享我在課程中獲得的知識。我真誠地希望我會鼓勵你開始你自己的人工智慧之旅！

講師

Ligency 建構現實世界的人工智慧產品

加入 Ligency，與超過 370 萬名學員一起學習。

我們擁有 4.6 分的講師評分、近 100 萬條評價，並提供 12 種語言的 123 門課程，幫助工程師、領導者和團隊掌握驅動當今人工智慧革命的技能，並交付實際成果。

我們從現實世界的起點出發：大型語言模型及其驅動的產品。您將學習人工智慧和生成式人工智慧 (gen AI) 的基礎知識，然後交付生產級系統——聊天機器人、副駕駛、自動化和人工智慧代理。我們將深入探討大型語言模型工程：檢索（RAG）、評估、可觀測性、安全性以及團隊大規模運行代理系統所使用的模式。

我們的技術堆疊實用且與時俱進。您將使用 Python、LangChain 和 LangGraph 快速建立原型；探索來自 OpenAI、Gemini 和 Claude（包括 Claude Code）的模型；使用 Hugging Face 和 Ollama 進行微調和部署；並在 AWS 上將其部署到生產環境——從 Bedrock 到事件驅動服務。需要自動化？我們利用 n8n、簡潔的介面和 CI/CD 將其完美整合。在此過程中，您將掌握在高負載下依然穩健的響應式工程技術。

未來發展方向：交付型人才的職位。熱愛建構的人才可以選擇 AI 工程師和 LLM 工程師；追求規模化可靠性的人才可以選擇平台和 MLOps 方向；致力於將智能體 AI 從簡報轉化為實際業務成果的人才可以選擇產品和領導力方向。貫穿始終的核心理念是：快速學習、快速建立、衡量一切、迭代優化。

從我們最暢銷的課程開始：

LLM 工程：精通 AI、大型語言模型和智能體——從最初的響應式設計到生產模式（RAG、智能體、評估、LangChain/LangGraph）的實踐路徑。

完整的智能體 AI 工程課程－設計、編排和部署強大的 AI 智能體和智能體工作流程。

生產環境中的 AI：大規模的 Gen AI 和智慧體 AI——在 AWS 上建置管道、監控和企業級部署的擴展模式。

生成式人工智慧高階主管簡報：領導者的精通指南－生成式人工智慧策略、治理與投資報酬率的簡明行動手冊。

如果您希望快速提陞技能並交付實際產品，歡迎加入我們。學習概念，體驗工具，建立產品——然後將其推向用戶。這就是 Ligency 的行事方式。

SuperDataScience 團隊幫助資料科學家成功的團隊

Hi, 你好！

我們是 SuperDataScience 團隊。你將在 Kirill Eremenko 教授的資料科學課程中看到我們 – 我們在這裡幫助你解決任何問題，並確保你在課程的旅程中總是一舤風順！

聯繫最好的方法是在你正在學習的課程的問答中討論。在大多數情況下，我們會在24小時內回覆。

我們熱衷於幫助你享受課程！