Progetterò algoritmi di apprendimento per rinforzo profondo

Ciao!

Sono un dottorato di ricerca studente che lavora sul Deep Reinforcement Learning (RL). Ho esperienza su una varietà di progetti a livello accademico e industriale e ho presentato il mio lavoro alle principali conferenze sull'intelligenza artificiale.

Qui offro aiuto nella creazione di agenti RL in grado di risolvere quasi tutti i problemi del mondo reale, inclusi RL multi-obiettivo e multi-agente, basato sulle preferenze e guidato dall'uomo. Sono un esperto nei seguenti ambiti:

• Algoritmi RL model-based o model-free
• Problemi semplici o complessi relativi al processo decisionale di Markov (MDP).
• Algoritmi RL on-policy e off-policy, come:
• Q-learning, SARSA, CQL, DQN, A2C, TRPO, PPO, SAC, TD3 e altri algoritmi RL senza modello
• Qualsiasi ambiente personalizzato o simulato, come controllori del semaforo (SUMO), controller del data center, MuJoCo, Unity, PyBullet e OpenAI Gym
• Problemi RL multi-agente, come DQN indipendente, PPO indipendente, MAPPO, QMIX, VDN e altri metodi di fattorizzazione del valore
• Apprendimento per rinforzo basato sulle preferenze come PbRL con feedback sintetico e umano

Mi trovo a mio agio nel lavorare con i seguenti linguaggi e strumenti:

• Pitone
• TensorFlow
• Keras
• PyTorch
• NumPy
• Panda
• Matplotlib

Non esitate a inviarmi un messaggio per discutere del vostro lavoro.

Migliore,

Umer