Поиск
Найдено: 19
1ч 18м🧠 Эмма Бранскилл о DQN: «Реплей-буфер — ключ к прогрессу»
1ч 20м🧠 Стэнфордский курс CS234: принципы офлайн-RL и преодоление неопределенности
44 мин🎨 Даг Эк: как проект Magenta обучает нейросети искусству и музыке
45 мин🤖 Янник Килчер о Q-Learning: как ИИ учится принимать решения
1ч 12м✂ Как алгоритм ReBeL научился обыгрывать людей в покер с помощью теории игр
1ч 38м🤖 Дарио Амодеи об OpenAI, рисках AGI и о том, как попасть в индустрию безопасности ИИ
1ч 17м🧠 Стэнфордский профессор объяснил, как сэмплирование Томпсона спасает рекомендательные системы от задержек данных
1ч 13м🔄 От симуляции такси до ChatGPT: как максимизация энтропии и отзывы людей обучают современный ИИ
1ч 01м🔄 Эволюция Q-Learning: от уравнений Беллмана до алгоритмов DQN и Double DQN
50 минАникайт из Стэнфорда: «Почему ваше Q-обучение нестабильно?»
46 мин🚀 Уэс Рот: «Gemini 2.5 Pro — это абсолютный зверь в кодинге»
39 мин🕹 Как ИИ от DeepMind научился играть в Atari: разбор классической статьи от Янника Килчера
1ч 08м🔄 Градиент стратегии и алгоритм REINFORCE: от робототехники до ChatGPT
52 мин🧠 Профессор Челси Финн об основах глубокого обучения с подкреплением в Стэнфорде
1ч 05м🔄 Лекция Стэнфорда о Reward Learning: как научить искусственный интеллект понимать человеческие цели
1ч 07м⚖ Методы Offline RL: от имитации к оптимизации стратегий
55 мин🧠 Как решать новые задачи в RL без переобучения: разбор Янника Килчера
1ч 10м🎯 Профессор Стэнфорда разобрал ключевые вызовы и методологию исследований Deep RL
1ч 55м🔬 Как Future House автоматизирует научные открытия с помощью ИИ-агентов