0
ඔබේ කරත්තය
0
Zinn Hub
0
ඔබේ කරත්තය
0

එක් බැල්මකින්

ඔබට තීරණය කිරීමට උපකාර වන මෙම සේවාව පිළිබඳ ප්‍රධාන විස්තර. Zinn Hub විසින් ජනනය කරන ලදී, විකුණුම්කරු විසින් නොවේ.

RL ප්‍රවේශය

MDP-රාමුගත ඉංජිනේරු විද්‍යාව
සෑම ව්‍යාපෘතියක්ම කේතයක් ලිවීමට පෙර Markov තීරණ ක්‍රියාවලියක් ලෙස විධිමත් ලෙස ආකෘතිගත කර ඇත - නියෝජිතයා නිවැරදි දේ ඉගෙන ගන්නා බව සහතික කරයි.

සහාය දක්වන ඇල්ගොරිතම

DQN, PPO, A2C, SAC
ඇල්ගොරිතම තේරීම ඔබේ ගැටළු ව්‍යුහය මගින් මෙහෙයවනු ලැබේ - විවික්ත එදිරිව අඛණ්ඩ ක්‍රියා අවකාශයන් සහ ගණනය කිරීමේ සීමාවන් - එක ප්‍රමාණයකට ගැලපෙන පෙරනිමියක් නොවේ.

බෙදාහැරීමේ ස්ථරය

Python, PyTorch / TensorFlow, Docker
සියලුම කේත පිරිසිදු, අදහස් දැක්වූ Python වන අතර එය සම්පූර්ණයෙන්ම ප්‍රතිනිෂ්පාදනය කළ හැකි ධාවනයන් සඳහා Docker හි ඇසුරුම් කර ඇත - ඔබේම ඉංජිනේරු කණ්ඩායම සඳහා භාර දීමට සූදානම්.

හොඳම දේ

Quant, Ops & නිෂ්පාදන කණ්ඩායම්
නිබන්ධන සටහන් පොතක් නොව, නිෂ්පාදන-ශ්‍රේණියේ RL අවශ්‍ය වෙළඳ පර්යේෂකයන්, සම්පත්-වෙන් කිරීමේ ඉංජිනේරුවන්, මෙහෙයුම් කණ්ඩායම් සහ නිර්මාතෘවරුන් සඳහා වඩාත් සුදුසුය.

ඔබට ලැබෙන දේ

ආකෘති:
ඩිජිටල් ගොනු
Cloud Link
ලිඛිත වාර්තාව
මූලාශ්‍ර ගොනු
අභිරුචි කේතය
බෙදාහැරීමේ ක්‍රමය:
ඇණවුම් කළමනාකරු
සටහන්: භාරදීම් ඇණවුම් කළමනාකරු හරහා බෙදා ගනු ලැබේ. මූලාශ්‍ර කේතය, Jupyter සටහන් පොත් සහ Docker ගොනු බාගත හැකි ලේඛනාගාරයක් හෝ ක්ලවුඩ් සබැඳියක් ලෙස සපයනු ලැබේ. PDF මාර්ග සිතියමක් සියලුම ස්ථරවලට ඇතුළත් වේ; ලිඛිත ආකෘති ලේඛන වාර්තාවක් නිෂ්පාදන-සූදානම් ස්ථරයට හෝ ආකෘති ලේඛන ඇඩෝනය මිලදී ගත් විට ඇතුළත් වේ. ඉගෙනුම් වක්‍ර දෘශ්‍ය ගොඩනැගීමේ ස්ථරවලට ඇතුළත් වේ.

සම්පූර්ණ විස්තරය

ඔබේ ව්‍යාපාරික ගැටලුවට අනුක්‍රමික තීරණ, අවිනිශ්චිත ප්‍රතිඵල සහ මැනිය හැකි ඉලක්කයක් ඇතුළත් නම්, ශක්තිමත් කිරීමේ ඉගෙනීම මඟින් අත්දැකීම් තුළින් ස්වයං-වැඩිදියුණු වන ස්වාධීන නියෝජිතයෙකු ඔබට ලබා දිය හැක. මෙම සේවාව ඔබව අමු අදහසක සිට ක්‍රියාකාරී, යෙදවිය හැකි කේතයක් දක්වා ගෙන යයි — අත වනමින්, කළු පෙට්ටි නොමැත.

වෙළඳ ක්‍රියාත්මක කිරීම ප්‍රශස්ත කරන, පරිගණක සම්පත් වෙන් කරන, කාර්මික ක්‍රියාවලියක් පාලනය කරන හෝ අභිරුචි අනුකරණයක් මෙහෙයවන නියෝජිතයෙකු ඔබට අවශ්‍ය වුවද, ආරම්භක ලක්ෂ්‍යය සැමවිටම එකම වේ: ඔබේ ගැටලුව නිවැරදිව ආකෘතිකරණය කිරීමට තරම් ගැඹුරින් අවබෝධ කර ගැනීම. එයින් අදහස් කරන්නේ එය Markov තීරණ ක්‍රියාවලියක් ලෙස රාමු කිරීම, නිවැරදි ඇල්ගොරිතම තෝරා ගැනීම (DQN, PPO, A2C, SAC සහ අනෙකුත් සියල්ල මේසය මත ඇත), සහ පුහුණුවේදී හොඳින් පෙනෙන දෙයක් පමණක් නොව, සැබෑ ලෝක පිරිවැය සහ අරමුණු සැබවින්ම පිළිබිඹු කරන ත්‍යාග ශ්‍රිතයක් සැලසුම් කිරීමයි.

එතැන් සිට, කාර්යය ප්‍රායෝගික ඉංජිනේරු විද්‍යාවකි. ඔබේ වසමට ගැලපෙන පරිදි Gym-style පරිසරයක් ගොඩනගා හෝ අනුවර්තනය කර ඇත, ඔබේ දත්ත හෝ API සම්බන්ධ කර ඇත, සහ සෑම ප්‍රතිඵලයක්ම සොයා ගැනීමට, ප්‍රශ්න කිරීමට සහ වැඩිදියුණු කිරීමට හැකි වන පරිදි Jupyter හි ප්‍රතිනිෂ්පාදනය කළ හැකි අත්හදා බැලීම් සිදු කරනු ලැබේ. ලබා දෙන කේතය පිරිසිදු Python වන අතර, TensorFlow හෝ PyTorch වලින් ලියා ඇත, සහ hyperparameter tuning scripts සහ learning-curve visualisations සමඟින්, නියෝජිතයා ප්‍රගතියක් ලබන්නේ කෙසේදැයි ඔබට හරියටම දැක ගත හැකිය. සියල්ල Docker හි ඇසුරුම් කර ඇත (හෝ ඔබේ cloud පරිසරයට යොදවා ඇත), එයින් අදහස් වන්නේ ඔබට තනි විධානයකින් නියෝජිතයා නැවත ධාවනය කිරීමට, දීර්ඝ කිරීමට හෝ ඔබේම ඉංජිනේරු කණ්ඩායමට භාර දීමට හැකි බවයි.

විශාල නියැලීම් සඳහා, සවිස්තරාත්මක ආකෘති ලේඛන පැකේජයක් ගෘහ නිර්මාණ තේරීම්, පුහුණු ක්‍රමවේදය, කාර්ය සාධන මිනුම් සහ ඉදිරියට නියෝජිතයා නඩත්තු කරන්නේ කෙසේද යන්න පැහැදිලි කරයි - ඔබට විශ්වාසයෙන් ගොඩනගා ගත හැකි වත්කමක් ලබා දෙයි.

ප්‍රවේශ මට්ටම යනු උපාය මාර්ග-පළමු උපදේශනයකි: මිනිත්තු 60ක විෂය පථ ඇමතුමක් සහ නිර්දේශිත ඇල්ගොරිතම, දත්ත අවශ්‍යතා, KPI සහ යථාර්ථවාදී බෙදාහැරීමේ කාලසටහනක් ආවරණය වන ලිඛිත PDF මාර්ග සිතියමක්. සම්පූර්ණ ගොඩනැගීමකට කැපවීමට පෙර විශේෂඥ ආදානයක් අවශ්‍ය නම් — හෝ ක්‍රියාත්මක කිරීමට පැහැදිලි තාක්ෂණික සැලැස්මක් අවශ්‍ය අභ්‍යන්තර කණ්ඩායමක් ඔබට දැනටමත් තිබේ නම් එය කදිම ආරම්භක ලක්ෂ්‍යයකි.

දෙවන සහ තෙවන ස්ථර සම්පූර්ණ ගොඩනැගීමේ ප්‍රදේශයට ගමන් කරයි, සිහින් මූලාකෘතියක සිට නිෂ්පාදනයට සූදානම්, සම්පූර්ණයෙන්ම ලේඛනගත පද්ධතියක් දක්වා ප්‍රගතියක් ලබයි.

මෙම සේවාව RL නිසි ලෙස සිදු කිරීමට අවශ්‍ය නිෂ්පාදන කණ්ඩායම්, ප්‍රමාණාත්මක පර්යේෂකයන්, මෙහෙයුම් ඉංජිනේරුවන් සහ ආරම්භකයින් සඳහා වේ — ඔවුන්ගේ කේත පදනමට පිටපත් කර අලවා ඇති නිබන්ධන සටහන් පොතක් නොවේ. ලන්ඩනයේ පිහිටා ඇති මෙම කාර්යය සන්ධිස්ථාන මත පදනම් වූ ක්‍රියාවලියක් අනුගමනය කරයි, එවිට ඔබට සෑම අදියරකදීම පරීක්ෂා කිරීමට, පුනරාවර්තනය කිරීමට සහ අනුමත කිරීමට හැකිය.

Zinner තත්ත්ව සහතිකය

✓
පරීක්ෂා කරන ලද වෘත්තිකයා
සෑම Zinner කෙනෙකුම වේදිකාවට සම්බන්ධ වීමට පෙර සමාලෝචනය කර අනුමත කරනු ලැබේ.
✓
ගුණාත්මක කාර්යය සහතිකයි
සියලුම සේවාවන් අපගේ තත්ත්ව සහතික කිරීමේ කැපවීම මගින් සහාය වේ.
✓
ආරක්ෂිත ගෙවීම්
ඔබ භාර දුන් කාර්යය අනුමත කරන තෙක් ඔබේ ගෙවීම ආරක්ෂා කර ඇත.

පැකේජ සසඳන්න

විශේෂාංගයඋපදෙස් සහ මාර්ග සිතියමනියෝජිත ගොඩනැගීමනිෂ්පාදනයට සූදානම් නියෝජිතයා
භාරදීමේ වේලාව2 දින7 දින14 දින
සංශෝධනඅසීමිත23
ඔබගේ RL ගැටලුව විෂය පථය කිරීමට මිනිත්තු 60ක උපදේශන ඇමතුමක්✓✕✕
නිර්දේශිත ඇල්ගොරිතම ආවරණය වන PDF මාර්ග සිතියම (DQN, PPO, A2C, SAC, ආදිය)✓✕✕
දත්ත අවශ්‍යතා, KPI නිර්වචනය සහ කාලරාමුව ගෙනහැර දක්වා ඇත✓✕✕
Markov තීරණ ක්‍රියාවලියක් ලෙස සකස් කරන ලද ගැටලුව✓✕✕
ඔබේ වසම සඳහා සුදුසු ප්‍රවේශයන් පිළිබඳ පර්යේෂණ✓✕✕
උපදේශන සහ මාර්ග සිතියමේ ඇති සියල්ල✕✓✕
ඔබේ දත්ත හෝ API වෙත සම්බන්ධ කර ඇති අභිරුචි ව්‍යායාම් ශාලා-විලාසිතා පරිසරයක් ගොඩනගා ඇත✕✓✕
දත්ත පූර්ව සැකසීම සහ ත්‍යාග-ක්‍රියාකාරී ඉංජිනේරු විද්‍යාව✕✓✕
Python (TensorFlow හෝ PyTorch) හි ආකෘති නිර්මාණය සහ පුහුණුව✕✓✕
අධිපරාමිති සුසර කිරීමේ ස්ක්‍රිප්ට් සහ ඉගෙනුම්-වක්‍ර දෘශ්‍යකරණයන්✕✓✕
Jupyter හි ලබා දෙන, Docker හි ඇසුරුම් කරන ලද ප්‍රතිනිෂ්පාදනය කළ හැකි අත්හදා බැලීම්✕✓✕
නියෝජිත ගොඩනැගීමේ ඇති සියල්ල✕✕✓
එක්-විධාන නැවත ධාවනය සඳහා Cloud deployment හෝ Docker packaging✕✕✓
සැබෑ ලෝක පිරිවැය අරමුණු වලට එරෙහිව කාර්ය සාධනය සඳහා සියුම්-සුසර කිරීම✕✕✓
සම්පූර්ණ ආකෘති ලේඛන: ගෘහ නිර්මාණ ශිල්පය, පුහුණු ක්‍රමවේදය, KPI, නඩත්තු මාර්ගෝපදේශය✕✕✓
ප්‍රතිඵල සහ ඊළඟ පියවර නිර්දේශ පැහැදිලි කරන සංක්ෂිප්ත ලිඛිත වාර්තාව✕✕✓
ඔබේ ඉංජිනේරු කණ්ඩායමට භාර දීම සඳහා ව්‍යුහගත කර අදහස් දැක්වූ මූලාශ්‍ර කේතය✕✕✓

පෝට්ෆෝලියෝ

මෙම Zinn ට අදාළ විකුණුම්කරුගේ වැඩ පිළිබඳ උදාහරණ.

ඔබේ භාවිත අවස්ථාව සඳහා ශක්තිමත් කිරීමේ ඉගෙනුම් නියෝජිතයෙකු සැලසුම් කර ගොඩනඟන්න

ඔබේ භාවිත අවස්ථාව සඳහා ශක්තිමත් කිරීමේ ඉගෙනුම් නියෝජිතයෙකු සැලසුම් කර ගොඩනඟන්න

අමතර තොරතුරු

මගේ ක්‍රියාවලිය

අවසන් වරට සක්‍රිය වූයේ 1 සතියකට පෙර📹 වීඩියෝ හරහා ලබා දෙන ලදී
පියවර 2 — ගැටළු රාමු කිරීම:ඔබේ කාර්යය හොඳින් අර්ථ දක්වා ඇති ත්‍යාග ශ්‍රිතයක් සහිත Markov තීරණ ක්‍රියාවලියක් ලෙස විධිමත් ලෙස ආකෘතිගත කර ඇත.
පියවර 3 — පරිසරය සහ දත්ත:Gym-style පරිසරයක් ගොඩනගා හෝ අනුවර්තනය කර ඔබේ දත්ත මූලාශ්‍රයට හෝ API වෙත සම්බන්ධ කර ඇත.
පියවර 4 — පුහුණුව සහ සුසර කිරීම:ප්‍රතිනිෂ්පාදනය කළ හැකි අත්හදා බැලීම් Jupyter හි සිදු කෙරේ; අධිපරාමිති සුසර කර ඉගෙනුම් වක්‍ර සමාලෝචනය කෙරේ.
පියවර 5 — භාරදීම සහ භාරගැනීම:පිරිසිදු මූලාශ්‍ර කේතය, ඩොකර් පැකේජය, දෘශ්‍යකරණයන් සහ (ඇතුළත් කර ඇති තැන) සම්පූර්ණ ආකෘති ලේඛන ඔබේ අනුමැතිය සඳහා භාර දෙනු ලැබේ.

මා භාවිතා කරන මෙවලම්

භාෂා සහ රාමු:Python, TensorFlow, PyTorch
RL පුස්තකාල සහ පරිසරයන්:OpenAI Gym-style පරිසරයන්, අභිරුචි අනුකරණ පරිසරයන්
පරීක්ෂණ සහ ප්‍රතිනිෂ්පාදනය:Jupyter Notebooks, Docker, cloud deployment pipelines
සහාය දක්වන ඇල්ගොරිතම:DQN, PPO, A2C, SAC සහ ඔබේ ගැටලුවට ගැලපෙන පරිදි තෝරාගත් අනෙකුත් ඒවා

සඳහා පරිපූර්ණයි

පරමාදර්ශී ගැනුම්කරුවන්:ප්‍රමාණාත්මක පර්යේෂකයන් සහ වෙළඳ කණ්ඩායම්, මෙහෙයුම් සහ සම්පත්-වෙන් කිරීමේ ඉංජිනේරුවන්, ස්වයංක්‍රීය තීරණ ගැනීම් එක් කරන නිෂ්පාදන කණ්ඩායම්, AI-පදනම් වූ නිෂ්පාදනයක් මූලාකෘති කරන නිර්මාතෘවරුන්, පැහැදිලි RL තාක්ෂණික මාර්ග සිතියමක් අවශ්‍ය අභ්‍යන්තර කණ්ඩායම්

නිතර අසන ප්‍රශ්න

ඔව්. උපදේශන ස්ථරය හරියටම මෙම තත්ත්වය සඳහා විශේෂයෙන් නිර්මාණය කර ඇත. මිනිත්තු 60ක ඇමතුම RL ඔබේ ගැටලුවට නිවැරදි මෙවලම දැයි පැහැදිලි කිරීමට උපකාරී වන අතර, PDF මාර්ග සිතියම ඔබට හෝ ඔබේ කණ්ඩායමට විශ්වාසයෙන් ඉදිරියට යාමට භාවිතා කළ හැකි නිශ්චිත සැලැස්මක් — ඇල්ගොරිතම, දත්ත අවශ්‍යතා, KPI සහ කාලසටහන — ලබා දෙයි, සම්පූර්ණ ගොඩනැගීමකට යාම හෝ නොයාම.

අවම වශයෙන්, ඔබේ ගැටලුව පිළිබඳ පැහැදිලි විස්තරයක්, නියෝජිතයා ගැනීමට ඔබට අවශ්‍ය තීරණය සහ 'හොඳ කාර්ය සාධනයක්' පෙනෙන්නේ කෙසේද යන්න. ඔබට පවතින දත්ත, API හෝ අනුකරණ පරිසරයක් තිබේ නම්, කරුණාකර ප්‍රවේශය හෝ සාම්පල බෙදා ගන්න. ඔබ ඉදිරියෙන් සපයන වැඩි සන්දර්භය, විෂය පථය ඇමතුම සහ පසුව කරන වැඩ වඩාත් ඉලක්කගත වනු ඇත.

DQN, PPO, A2C සහ SAC සියල්ලම නිතිපතා භාවිතා වේ, නමුත් තේරීම ඔබේ ගැටළු ව්‍යුහය මගින් මෙහෙයවනු ලැබේ — විවික්ත එදිරිව අඛණ්ඩ ක්‍රියා අවකාශයන්, ප්‍රතිපත්ති මත එදිරිව ප්‍රතිපත්ති අවශ්‍යතා සහ පරිගණක සීමාවන්. ඕනෑම ගොඩනැගීමක් ආරම්භ කිරීමට පෙර විෂය පථය තීරණය කිරීමේ ක්‍රියාවලිය නිවැරදි ගැළපීම හඳුනා ගනී.

ඔව්. සියලුම කේත පිරිසිදු, අදහස් දැක්වූ Python (TensorFlow හෝ PyTorch) වලින් ලියා ඇත, අධිපරාමිති සුසර කිරීමේ ස්ක්‍රිප්ට් සමඟින් සහ Docker හි ඇසුරුම් කර ඇති බැවින් පරිසරය සම්පූර්ණයෙන්ම ප්‍රතිනිෂ්පාදනය කළ හැකිය. Production-Ready ස්ථරය ඔබේම ඉංජිනේරු කණ්ඩායමට භාරදීමට සහාය වීම සඳහා විශේෂයෙන් ආකෘති ලේඛන එකතු කරයි.

වැඩ කටයුතු පරීක්ෂා කළ හැකි අදියරවලින් ලබා දෙනු ලැබේ — උදාහරණයක් ලෙස, පරිසරය, පුහුණු ලූපය, සුසර කිරීම සහ අවසාන ඇසුරුම්කරණය — එවිට ඔබට ඊළඟ අදියර ආරම්භ කිරීමට පෙර එක් එක් සන්ධිස්ථානය සමාලෝචනය කර අනුමත කළ හැකිය. මෙය ව්‍යාපෘතිය ඔබේ අවශ්‍යතා සමඟ පෙළගස්වා තබා ගන්නා අතර ප්‍රමාද වූ විශාල පුදුම වළක්වයි.

ඔව්. Production-Ready ස්ථරයට ක්ලවුඩ් යෙදවීම හෝ Docker ඇසුරුම්කරණය ඇතුළත් වන අතර එමඟින් නියෝජිතයා තනි විධානයකින් ඔබේ යටිතල ව්‍යුහය තුළ ධාවනය කළ හැක. ඔබට නිශ්චිත ක්ලවුඩ් සපයන්නෙකු හෝ පරිසරයක් තිබේ නම්, කරුණාකර මෙය ඔබේ අවශ්‍යතා තුළ සඳහන් කරන්න එවිට එය ගොඩනැගීමට සාධකයක් විය හැක.

මැනිය හැකි අරමුණක් සහිත අනුක්‍රමික තීරණ ගැටලුවක් ලෙස ආකෘතිගත කළ හැකි ඕනෑම වසමක් — වෙළඳාම සහ කළඹ ප්‍රශස්තකරණය, සම්පත් සහ ධාරිතා වෙන් කිරීම, ක්‍රියාවලි පාලනය, රොබෝ විද්‍යා අනුකරණය, ක්‍රීඩා කරන නියෝජිතයන් සහ සැපයුම් මාර්ගගත කිරීම යන සියල්ලම මෙම ප්‍රවේශයට හොඳින් ගැලපේ.

පාරිභෝගික සමාලෝචන

මෙම Zinn ගැන අපගේ පාරිභෝගිකයින් පවසන දේ බලන්න

4.7
3 සමාලෝචන
5 ⭐
2
4 ⭐
1
3 ⭐
0
2 ⭐
0
1 ⭐
0

මම මෑතකදී Soufiane විසින් සපයන ලද ශක්තිමත් කිරීමේ ඉගෙනුම් සේවා භාවිතා කළ අතර, ඔහුගේ විශේෂඥතාව ගැන මම බෙහෙවින් පැහැදුණා. ඔහු විෂය පිළිබඳ ගැඹුරු අවබෝධයක් පෙන්නුම් කළ අතර නියමිත කාලයට වඩා කලින් ප්‍රතිඵල ලබා දුන්නේය. වඩාත්ම කැපී පෙනුනේ ඔහු මගේ අවශ්‍යතා කොතරම් පහසුවෙන් ග්‍රහණය කර ගත්තාද යන්නයි - එහා මෙහා යාමක් නොතිබුණි, සුමට සන්නිවේදනයක් සහ කාර්යක්ෂම ක්‍රියාත්මක කිරීමක් පමණි. මම Soufiane ඉතා නිර්දේශ කරමි. ඔහුට ඔබේ කාර්යය පවරන්න, එය දක්ෂ අතේ ඇති බව දැනගෙන ඔබට පහසුවෙන් සිටිය හැක.

විශිෂ්ට සහයෝගීතාවයක්. ඉතා දැනුමැති.

අතිශයින්ම කැපවූ ගැටළු විසඳන්නා. පුරෝකථනය සහ යන්ත්‍ර ඉගෙනීම සඳහා විශිෂ්ටයි.

මෙම නිෂ්පාදනය මිලදී ගත් ලොග් වූ පාරිභෝගිකයින්ට පමණක් සමාලෝචනයක් තැබිය හැක.

ප්‍රවර්ග

Zinner ප්‍රතිපත්ති

Build And Tune Reinforcement Learning Agents With Zinn Digital&Reg;

මෙම නිෂ්පාදනය මිලදී ගත් ලොග් වූ පාරිභෝගිකයින්ට පමණක් සමාලෝචනයක් තැබිය හැක.

විකල්ප සහ ඇණවුම් කරන්න

Zinn Hub යෙදුම ලබා ගන්න

දැනුම්දීම් · වේගවත් ප්‍රවේශය · සම්පූර්ණ තිරය

ඔබගේ බ්‍රවුසරයේShare තට්ටු කරන්න

➜ ඉන්පසු "මුල් තිරයට එක් කරන්න" තට්ටු කරන්න