Q-Learning fuer Lagerwagen-Disposition bei Hamburger Logistiker
Übersicht
Worum es bei diesem Projekt geht.
Baue einen Logistik-Simulator in Python und trainiere einen Q-Learning-Agenten für die Lagerwagen-Disposition. Erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Trainiere einen Q-Learning-Agenten fuer Lagerwagen-Disposition und uebertrifff regelbasierte Baselines in durchschnittlicher Wartezeit.
Earning criteria — what you'll demonstrate
- MDP-Formulierung fuer ein industrielles Problem entwerfen
- Tabellarisches Q-Learning mit Epsilon-Greedy stabil trainieren
- Exploration-Exploitation-Trade-off ueber Lernkurven analysieren
- RL-Ergebnisse gegen regelbasierte Baselines ehrlich vergleichen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Reinforcement Learning
Master · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenMachine Learning Engineer
Ein RL-Setup von MDP-Formulierung ueber Simulator bis Agent-Training auf einem industriellen Use Case zu liefern ist Kerngebiet von ML Engineers in Logistik- und Industrie-RL-Teams.
Dieses Projekt schärft
- q-learning
- markov-decision-processes
- simulation
Applied AI Scientist
Tabellarisches Q-Learning als Baseline-Verstaendnis vor Function-Approximation aufzubauen und ehrlich gegen regelbasierte Methoden zu argumentieren ist klassische Applied-AI-Arbeit.
Dieses Projekt schärft
- q-learning
- exploration-exploitation
- model-evaluation
ML Researcher
RL-Experimente ueber mehrere Seeds mit ehrlicher Varianz-Berichterstattung durchzufuehren ist Standardhandwerk in RL-Forschungsgruppen.
Dieses Projekt schärft
- q-learning
- simulation
- model-evaluation
Noch eine Sache