ਮੈਂ ਤੁਹਾਡੇ ਵਰਤੋਂ ਦੇ ਕੇਸ ਲਈ ਇੱਕ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਏਜੰਟ ਡਿਜ਼ਾਈਨ ਅਤੇ ਬਣਾਵਾਂਗਾ

ਜੇਕਰ ਤੁਹਾਡੀ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆ ਵਿੱਚ ਕ੍ਰਮਵਾਰ ਫੈਸਲੇ, ਅਨਿਸ਼ਚਿਤ ਨਤੀਜੇ ਅਤੇ ਇੱਕ ਮਾਪਣਯੋਗ ਟੀਚਾ ਸ਼ਾਮਲ ਹੈ, ਤਾਂ ਰੀਇਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ ਤੁਹਾਨੂੰ ਇੱਕ ਖੁਦਮੁਖਤਿਆਰ ਏਜੰਟ ਦੇ ਸਕਦੀ ਹੈ ਜੋ ਅਨੁਭਵ ਦੁਆਰਾ ਆਪਣੇ ਆਪ ਨੂੰ ਸੁਧਾਰਦਾ ਹੈ। ਇਹ ਸੇਵਾ ਤੁਹਾਨੂੰ ਕੱਚੇ ਵਿਚਾਰ ਤੋਂ ਕਾਰਜਸ਼ੀਲ, ਤੈਨਾਤ ਕਰਨ ਯੋਗ ਕੋਡ ਤੱਕ ਲੈ ਜਾਂਦੀ ਹੈ — ਕੋਈ ਹੱਥ-ਹਿਲਾਉਣਾ ਨਹੀਂ, ਕੋਈ ਬਲੈਕ ਬਾਕਸ ਨਹੀਂ।

ਭਾਵੇਂ ਤੁਹਾਨੂੰ ਅਜਿਹੇ ਏਜੰਟ ਦੀ ਲੋੜ ਹੋਵੇ ਜੋ ਟ੍ਰੇਡ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਨੂੰ ਅਨੁਕੂਲਿਤ ਕਰੇ, ਕੰਪਿਊਟ ਸਰੋਤ ਵੰਡੇ, ਕਿਸੇ ਉਦਯੋਗਿਕ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਨਿਯੰਤਰਿਤ ਕਰੇ ਜਾਂ ਕਿਸੇ ਕਸਟਮ ਸਿਮੂਲੇਸ਼ਨ ਵਿੱਚ ਨੈਵੀਗੇਟ ਕਰੇ, ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹਮੇਸ਼ਾ ਇੱਕੋ ਹੁੰਦਾ ਹੈ: ਸਮੱਸਿਆ ਨੂੰ ਇੰਨੀ ਡੂੰਘਾਈ ਨਾਲ ਸਮਝਣਾ ਕਿ ਇਸਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਮਾਡਲ ਕੀਤਾ ਜਾ ਸਕੇ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਇਸਨੂੰ Markov Decision Process ਵਜੋਂ ਤਿਆਰ ਕਰਨਾ, ਸਹੀ ਐਲਗੋਰਿਦਮ (DQN, PPO, A2C, SAC ਅਤੇ ਹੋਰ ਸਾਰੇ ਵਿਕਲਪ ਉਪਲਬਧ ਹਨ) ਚੁਣਨਾ, ਅਤੇ ਇੱਕ ਅਜਿਹਾ ਰਿਵਾਰਡ ਫੰਕਸ਼ਨ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਜੋ ਅਸਲ ਦੁਨੀਆ ਦੀਆਂ ਲਾਗਤਾਂ ਅਤੇ ਉਦੇਸ਼ਾਂ ਨੂੰ ਸੱਚਮੁੱਚ ਦਰਸਾਉਂਦਾ ਹੋਵੇ — ਨਾ ਕਿ ਸਿਰਫ਼ ਕੁਝ ਜੋ ਸਿਖਲਾਈ ਵਿੱਚ ਚੰਗਾ ਲੱਗਦਾ ਹੋਵੇ।

ਉੱਥੋਂ, ਕੰਮ ਹੱਥੀਂ ਇੰਜੀਨੀਅਰਿੰਗ ਹੈ। ਤੁਹਾਡੇ ਡੋਮੇਨ ਨਾਲ ਮੇਲ ਕਰਨ ਲਈ ਇੱਕ ਜਿਮ-ਸ਼ੈਲੀ ਦਾ ਵਾਤਾਵਰਣ ਬਣਾਇਆ ਜਾਂ ਅਨੁਕੂਲਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤੁਹਾਡਾ ਡਾਟਾ ਜਾਂ API ਕਨੈਕਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਜੁਪੀਟਰ ਵਿੱਚ ਦੁਬਾਰਾ ਪੈਦਾ ਕਰਨ ਯੋਗ ਪ੍ਰਯੋਗ ਚਲਾਏ ਜਾਂਦੇ ਹਨ ਤਾਂ ਜੋ ਹਰ ਨਤੀਜੇ ਨੂੰ ਟਰੇਸ ਕੀਤਾ ਜਾ ਸਕੇ, ਸਵਾਲ ਕੀਤਾ ਜਾ ਸਕੇ ਅਤੇ ਸੁਧਾਰਿਆ ਜਾ ਸਕੇ। ਡਿਲੀਵਰ ਕੀਤਾ ਗਿਆ ਕੋਡ ਸਾਫ਼ ਪਾਈਥਨ ਹੈ, ਜੋ TensorFlow ਜਾਂ PyTorch ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਹੈ, ਅਤੇ ਹਾਈਪਰਪੈਰਾਮੀਟਰ ਟਿਊਨਿੰਗ ਸਕ੍ਰਿਪਟਾਂ ਅਤੇ ਲਰਨਿੰਗ-ਕਰਵ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨਾਂ ਦੇ ਨਾਲ ਹੈ ਤਾਂ ਜੋ ਤੁਸੀਂ ਬਿਲਕੁਲ ਦੇਖ ਸਕੋ ਕਿ ਏਜੰਟ ਕਿਵੇਂ ਤਰੱਕੀ ਕਰ ਰਿਹਾ ਹੈ। ਸਭ ਕੁਝ ਡੌਕਰ ਵਿੱਚ ਪੈਕੇਜ ਕੀਤਾ ਗਿਆ ਹੈ (ਜਾਂ ਤੁਹਾਡੇ ਕਲਾਉਡ ਵਾਤਾਵਰਣ ਵਿੱਚ ਤੈਨਾਤ ਕੀਤਾ ਗਿਆ ਹੈ), ਮਤਲਬ ਕਿ ਤੁਸੀਂ ਇੱਕ ਸਿੰਗਲ ਕਮਾਂਡ ਨਾਲ ਏਜੰਟ ਨੂੰ ਆਪਣੀ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮ ਨੂੰ ਦੁਬਾਰਾ ਚਲਾ ਸਕਦੇ ਹੋ, ਵਧਾ ਸਕਦੇ ਹੋ ਜਾਂ ਸੌਂਪ ਸਕਦੇ ਹੋ।

ਵੱਡੇ ਕਾਰਜਾਂ ਲਈ, ਇੱਕ ਪੂਰਾ ਮਾਡਲ ਦਸਤਾਵੇਜ਼ ਪੈਕੇਜ ਆਰਕੀਟੈਕਚਰ ਦੀਆਂ ਚੋਣਾਂ, ਸਿਖਲਾਈ ਵਿਧੀ, ਪ੍ਰਦਰਸ਼ਨ ਮੈਟ੍ਰਿਕਸ ਅਤੇ ਏਜੰਟ ਨੂੰ ਅੱਗੇ ਕਿਵੇਂ ਬਣਾਈ ਰੱਖਣਾ ਹੈ ਬਾਰੇ ਦੱਸਦਾ ਹੈ — ਤੁਹਾਨੂੰ ਇੱਕ ਸੰਪਤੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜਿਸ 'ਤੇ ਤੁਸੀਂ ਭਰੋਸੇ ਨਾਲ ਨਿਰਮਾਣ ਕਰ ਸਕਦੇ ਹੋ।

ਐਂਟਰੀ ਟੀਅਰ ਇੱਕ ਰਣਨੀਤੀ-ਪਹਿਲੀ ਸਲਾਹ-ਮਸ਼ਵਰਾ ਹੈ: ਇੱਕ 60-ਮਿੰਟ ਦੀ ਸਕੋਪਿੰਗ ਕਾਲ ਜਿਸ ਤੋਂ ਬਾਅਦ ਇੱਕ ਲਿਖਤੀ PDF ਰੋਡਮੈਪ ਹੁੰਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਸਿਫ਼ਾਰਿਸ਼ ਕੀਤੇ ਐਲਗੋਰਿਦਮ, ਡੇਟਾ ਲੋੜਾਂ, KPI ਅਤੇ ਇੱਕ ਯਥਾਰਥਵਾਦੀ ਡਿਲੀਵਰੀ ਸਮਾਂ-ਸੀਮਾ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਇਹ ਆਦਰਸ਼ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੈ ਜੇਕਰ ਤੁਸੀਂ ਪੂਰੀ ਬਿਲਡ ਲਈ ਵਚਨਬੱਧ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਹਰ ਇਨਪੁਟ ਚਾਹੁੰਦੇ ਹੋ — ਜਾਂ ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਇੱਕ ਅੰਦਰੂਨੀ ਟੀਮ ਹੈ ਜਿਸਨੂੰ ਸਿਰਫ਼ ਲਾਗੂ ਕਰਨ ਲਈ ਇੱਕ ਸਪਸ਼ਟ ਤਕਨੀਕੀ ਯੋਜਨਾ ਦੀ ਲੋੜ ਹੈ।

ਟੀਅਰ ਦੋ ਅਤੇ ਤਿੰਨ ਪੂਰੀ ਬਿਲਡ ਟੈਰੀਟਰੀ ਵਿੱਚ ਚਲੇ ਜਾਂਦੇ ਹਨ, ਇੱਕ ਲੀਨ ਪ੍ਰੋਟੋਟਾਈਪ ਤੋਂ ਇੱਕ ਉਤਪਾਦਨ-ਤਿਆਰ, ਪੂਰੀ ਤਰ੍ਹਾਂ ਦਸਤਾਵੇਜ਼ੀ ਪ੍ਰਣਾਲੀ ਤੱਕ ਪ੍ਰਗਤੀ ਕਰਦੇ ਹਨ।

ਇਹ ਸੇਵਾ ਉਤਪਾਦ ਟੀਮਾਂ, ਕੁਆਂਟ ਖੋਜਕਰਤਾਵਾਂ, ਓਪਰੇਸ਼ਨ ਇੰਜੀਨੀਅਰਾਂ ਅਤੇ ਸੰਸਥਾਪਕਾਂ ਲਈ ਹੈ ਜੋ RL ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ — ਨਾ ਕਿ ਉਹਨਾਂ ਦੇ ਕੋਡਬੇਸ ਵਿੱਚ ਕਾਪੀ-ਪੇਸਟ ਕੀਤੀ ਗਈ ਇੱਕ ਟਿਊਟੋਰਿਅਲ ਨੋਟਬੁੱਕ। ਲੰਡਨ ਵਿੱਚ ਅਧਾਰਤ, ਕੰਮ ਇੱਕ ਮੀਲਪੱਥਰ-ਅਧਾਰਤ ਪ੍ਰਕਿਰਿਆ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਤੁਸੀਂ ਹਰ ਪੜਾਅ 'ਤੇ ਜਾਂਚ, ਦੁਹਰਾਓ ਅਤੇ ਮਨਜ਼ੂਰੀ ਦੇ ਸਕੋ।