Ik train een deep reinforcement learning agent voor jou

Ervaren Research Engineer in Computer Vision in Reinforcement Learning die bedreven is in het trainen van reinforcement learning agents.

Voorgaand werk omvat:

• Implementatie van onderzoeksartikelen.
• Q learning agents voor het spelen van single- en multiplayer games.
• Training van de meeste OpenAI Gym-omgevingen.
• DQN training met alleen NumPy vanaf nul.
• Training van meerdere op maat gemaakte agents.
• Training van elke Reinforcement Learning agent op aangepaste omgevingen.

Biedt state-of-the-art implementaties van reinforcement learning algoritmes voor jouw aangepaste omgevingen of omgevingen van OpenAI gymnasium.

In staat om zowel eenvoudige als complexe omgevingen te beheren.

• Bedreven in MDPs, TD en Q-learning.
• DQN (Deep Q-Networks)
• PPO (Proximal Policy Optimization)
• TRPO (Trust Region Policy Optimization)
• Actor-Critic methoden
• A2C (Advantage Actor-Critic)
• A3C (Asynchronous Advantage Actor-Critic)
• Monte Carlo methoden
• DDPG (Deep Deterministic Policy Gradient)
• SAC (Soft Actor-Critic)
• HER (Hindsight Experience Replay)
• ACER (Actor-Critic met Experience Replay)

Neem contact op voordat je je bestelling plaatst voor snelle hulp.

Wees gerust, je ontvangt snel een reactie.