Diseñaré algoritmos de aprendizaje de refuerzo profundo.

¡Hola!

Soy un doctorado. estudiante trabajando en Aprendizaje por Refuerzo Profundo (RL). Tengo experiencia en una variedad de proyectos de nivel académico e industrial y he presentado mi trabajo en las principales conferencias de IA.

Aquí, ofrezco ayuda para crear agentes de RL que puedan resolver casi cualquier problema del mundo real, incluido el RL multiobjetivo y multiagente, basado en preferencias y guiado por humanos. Soy experto en las siguientes áreas:

• Algoritmos RL basados ​​​​en modelos o sin modelos
• Problemas simples o complejos del proceso de decisión de Markov (MDP)
• Algoritmos de RL dentro y fuera de la política, como:
• Q-learning, SARSA, CQL, DQN, A2C, TRPO, PPO, SAC, TD3 y otros algoritmos RL sin modelo
• Cualquier entorno personalizado o simulado, como controladores de semáforo (SUMO), controladores de centros de datos, MuJoCo, Unity, PyBullet y OpenAI Gym.
• Problemas de RL de agentes múltiples, como DQN independiente, PPO independiente, MAPPO, QMIX, VDN y otros métodos de factorización de valores
• Aprendizaje por refuerzo basado en preferencias como PbRL con retroalimentación sintética y humana

Me siento cómodo trabajando con los siguientes lenguajes y herramientas:

• Pitón
• TensorFlow
• Keras
• PyTorch
• NumPy
• pandas
• Matplotlib

No dude en enviarme un mensaje para hablar sobre su trabajo.

Mejor,

Umer