Je vais concevoir des algorithmes d'apprentissage par renforcement profond

Bonjour!

Je suis titulaire d'un doctorat. étudiant travaillant sur l'apprentissage par renforcement profond (RL). J'ai de l'expérience dans une variété de projets académiques et industriels et j'ai présenté mes travaux lors de grandes conférences sur l'IA.

Ici, j'offre de l'aide pour créer des agents RL capables de résoudre presque tous les problèmes du monde réel, y compris le RL multi-objectifs et multi-agents, basé sur les préférences et guidé par l'homme. Je suis expert dans les domaines suivants :

• Algorithmes RL basés sur un modèle ou sans modèle
• Problèmes de processus de décision de Markov (MDP) simples ou complexes
• Algorithmes RL conformes et hors politique, tels que :
• Q-learning, SARSA, CQL, DQN, A2C, TRPO, PPO, SAC, TD3 et autres algorithmes RL sans modèle
• Tous les environnements personnalisés ou simulés, tels que les contrôleurs de feux de circulation (SUMO), les contrôleurs de centres de données, MuJoCo, Unity, PyBullet et OpenAI Gym
• Problèmes RL multi-agents, tels que Independent DQN, Independent PPO, MAPPO, QMIX, VDN et d'autres méthodes de factorisation de valeur
• Apprentissage par renforcement basé sur les préférences tel que PbRL avec retour synthétique et humain

Je suis à l'aise avec les langages et outils suivants :

• Python
• TensorFlow
• Kéras
• PyTorch
• NumPy
• Pandas
• Matplotlib

N'hésitez pas à m'envoyer un message pour discuter de votre travail.

Meilleur,

Oumer