Рендзю (проект) — различия между версиями

Версия 00:42, 17 сентября 2016

Что это за проект?

Cочетание reinforcement learning и deep learning является "горячей" темой на сегодняшний день. К примеру, изучите статью Playing atari with deep reinforcement learning. Также вы, наверняка, слышали о AlpaGo, программе, которая впервые победила человека, профессионально играющего в Go. Подробнее об этом здесь. Данный проект заключается в изучении подходов, которые применяются в AlphaGo, и их применении при создание собственного алгоритма для игры рендзю.

Чему вы научитесь?

1. Основы машинного обучения
2. Альфа-бета отсечения
3. Метод Монте-Карло для поиска в дереве
4. Глубинные нейронные сети

В дополнение к этому:

1. Поучаствуете в процессе ревью по обе стороны баррикад
2. Научитесь читать английские статьи

Какие начальные требования?

1. Наличие машины с UNIX-подобной ОС, владение командной оболочкой
2. Вы должны писать на Python 3
3. Необходимы знания Git, однако я всегда помогу в сложной ситуации
4. Желательны базовые знания о машинном обучении

Какие будут использоваться технологии?

1. В качестве основного языка будет Python 3.
2. Нейронные сети мы будем обучать скорее всего с помощью Theano.
3. Так же вы можете проводить вычисления на ресурсах aws или воспользоваться google cloud.

Темы вводных занятий

Будем планомерно погружаться в тему, весь 2-й модуль. Также желательно, чтобы каждый сделал доклад по статье из списка.

Направления развития

1. Совершенствование процесса обучения модели
2. Масштабирование модели на большие вычислительные мощности

Критерии оценки

Оценка складывается из пунктов:

• 3 балла - регулярное посещение занятий, есть некоторая реализация идей, рассказанных на семинаре
• 1 балл - вы пишете качественный код
• 1 балл - разбор статьи на семинаре
• 2 балла - ваш алгоритм играет конкурентно с человеком

Остается еще 3 балла, эта часть оценки будет определена тем, на сколько силен ваш алгоритм по сравнению с решениями коллег.

Ориентировочное расписание занятий

Семинары будут проходить в стенах Яндекса каждую неделю в фиксированный день (вторник, среда или четверг). Если будет желание, то можно несколько раз в выходные провести своеобразные хакатоны: собираемся вместе на целый день, работаем, общаемся и трескаем пиццу.