Ik zal algoritmen voor het leren van diepe versterkingen ontwerpen

Hallo!

Ik ben een Ph.D.-student die werkt aan Deep Reinforcement Learning (RL). Ik heb ervaring met verschillende academische en industriële projecten en heb mijn werk gepresenteerd op toonaangevende AI-conferenties.

Hier bied ik hulp bij het bouwen van RL-agenten die bijna elk real-world probleem kunnen oplossen, inclusief multi-objective en multi-agent, op voorkeuren gebaseerde en door mensen geleide RL. Ik ben een expert op de volgende gebieden:

• Modelgebaseerde of modelvrije RL-algoritmen
• Eenvoudige of complexe Markov-besluitvormingsproces (MDP)-problemen
• On-policy en off-policy RL-algoritmen, zoals:
• Q-learning, SARSA, CQL, DQN, A2C, TRPO, PPO, SAC, TD3 en andere modelvrije RL-algoritmen
• Alle aangepaste of gesimuleerde omgevingen, zoals verkeerslichtcontrollers (SUMO), datacentercontrollers, MuJoCo, Unity, PyBullet en OpenAI Gym
• Multi-agent RL-problemen, zoals Independent DQN, Independent PPO, MAPPO, QMIX, VDN en andere waardefactorisatiemethoden
• Op voorkeuren gebaseerd Reinforcement Learning zoals PbRL met synthetische en menselijke feedback

Ik werk graag met de volgende talen en tools:

• Python
• TensorFlow
• Keras
• PyTorch
• NumPy
• Panda's
• Matplotlib

Stuur mij gerust een bericht om uw werk te bespreken.

Best,

Umer