arrow_back

Reinforcement Learning: Qwik Start

Login Gabung
Quick tip: Review the prerequisites before you run the lab
Use an Incognito or private browser window to run this lab. This prevents any conflicts between your personal account and the student account, which may cause extra charges incurred to your personal account.
Uji dan bagikan pengetahuan Anda kepada komunitas kami.
done
Dapatkan akses ke lebih dari 700 lab praktik, badge keahlian, dan kursus

Reinforcement Learning: Qwik Start

Lab 1 jam universal_currency_alt 1 Kredit show_chart Pengantar
info Lab ini mungkin menggabungkan alat AI untuk mendukung pembelajaran Anda.
Uji dan bagikan pengetahuan Anda kepada komunitas kami.
done
Dapatkan akses ke lebih dari 700 lab praktik, badge keahlian, dan kursus

GSP691

Ringkasan

Seperti banyak bidang penelitian machine learning lainnya, reinforcement learning (RL) berkembang dengan sangat cepat. Seperti yang telah mereka lakukan di bidang penelitian lainnya, para peneliti memanfaatkan deep learning untuk mencapai hasil yang hebat.

Di lab ini, Anda akan mempelajari dasar-dasar reinforcement learning dengan membuat game sederhana, yang telah dijadikan model dari sampel yang disediakan oleh OpenAI Gym.

Yang akan Anda pelajari

Di lab ini, Anda akan:

  • Memahami konsep dasar reinforcement learning.
  • Membuat AI Platform Tensorflow 2.1 Notebook.
  • Meng-clone repositori sampel dari repo analisis data pelatihan yang ditemukan di GitHub.
  • Membaca, memahami, dan menjalankan langkah-langkah yang ditemukan di notebook.

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

  • Akses ke browser internet standar (disarankan browser Chrome).
Catatan: Gunakan jendela Samaran (direkomendasikan) atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.
  • Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.
Catatan: Hanya gunakan akun siswa untuk lab ini. Jika Anda menggunakan akun Google Cloud yang berbeda, Anda mungkin akan dikenai tagihan ke akun tersebut.

Cara memulai lab dan login ke Google Cloud Console

  1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kiri ada panel Lab Details yang berisi hal-hal berikut:

    • Tombol Open Google Cloud console
    • Waktu tersisa
    • Kredensial sementara yang harus Anda gunakan untuk lab ini
    • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

  2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

    Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

    Tips: Atur tab di jendela terpisah secara berdampingan.

    Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

  3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

    {{{user_0.username | "Username"}}}

    Anda juga dapat menemukan Username di panel Lab Details.

  4. Klik Next.

  5. Salin Password di bawah dan tempel ke dialog Welcome.

    {{{user_0.password | "Password"}}}

    Anda juga dapat menemukan Password di panel Lab Details.

  6. Klik Next.

    Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

  7. Klik halaman berikutnya:

    • Setujui persyaratan dan ketentuan.
    • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
    • Jangan mendaftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search.

Tugas 1. Reinforcement learning 101

Reinforcement learning (RL) adalah suatu bentuk machine learning di mana agen mengambil tindakan dalam lingkungan untuk memaksimalkan tujuan tertentu (reward) dengan urutan langkah-langkah ini. Tidak seperti teknik pembelajaran tradisional yang diawasi, setiap titik data tidak diberi label dan agen hanya memiliki akses ke reward "sparse".

Meskipun sejarah RL sudah dimulai sejak tahun 1950-an dan ada berbagai macam algoritma RL, ada dua algoritma RL yang mudah diterapkan tetapi andal yang mulai banyak diminati akhir-akhir ini: deep Q-network (DQN) dan deep deterministic policy gradient (DDPG). Kami memperkenalkan algoritma dan varian berdasarkan pada algoritma tersebut secara singkat di bagian ini.

Diagram proses konseptual masalah Reinforcement Learning

Deep Q-network (DQN) diperkenalkan oleh grup Google Deepmind dalam makalah Nature ini di tahun 2015. Didorong oleh keberhasilan deep learning di bidang pengenalan citra, penulis memasukkan deep neural network ke dalam Q-Learning dan menguji algoritma mereka di Atari Game Engine Simulator, yang memiliki dimensi ruang observasi yang sangat besar.

Deep neural network bertindak sebagai aproksimator fungsi yang memprediksi output Q-value, atau keinginan untuk mengambil suatu tindakan, dengan status input tertentu. Oleh sebab itu, DQN adalah metode berbasis nilai: dalam algoritma pelatihan, DQN mengupdate Q-value menurut persamaan Bellman, dan untuk menghindari kesulitan dalam melakukan fitting dengan target bergerak, DQN menggunakan deep neural network kedua yang berfungsi sebagai estimasi nilai target.

Pada praktiknya, model berikut menyoroti file sumber, perintah shell, dan endpoint untuk menjalankan tugas RL di Google Cloud:

Tugas 2. Menyiapkan lingkungan Anda

  1. Di konsol Google Cloud, di Navigation menu (), klik Vertex AI > Dashboard.

  2. Klik Enable All Recommended APIs.

Tugas 3. Meluncurkan Vertex AI Notebooks

Untuk membuat dan meluncurkan notebook Vertex AI Workbench:

  1. Di Navigation Menu , klik Vertex AI > Workbench.

  2. Di halaman Workbench, klik Enable Notebooks API (jika belum diaktifkan).

  3. Klik tab User-Managed Notebooks lalu klik Create New.

  4. Beri nama notebook tersebut.

  5. Tetapkan Region ke dan Zone ke .

  6. Di menu New instance, pilih versi terbaru TensorFlow Enterprise 2.11 di Environment.

  7. Klik Advanced Options untuk mengedit properti instance.

  8. Klik Machine type lalu pilih e2-standard-2 untuk Machine type.

  9. Biarkan kolom lain dalam nilai default-nya, lalu klik Create.

Setelah beberapa menit, halaman Workbench akan mencantumkan instance Anda yang diikuti dengan Open JupyterLab.

  1. Klik Open JupyterLab untuk membuka JupyterLab di tab baru. Jika muncul pesan yang bertuliskan "beatrix jupyterlab needs to be included", Anda dapat mengabaikannya.

Klik Check my progress untuk memverifikasi tujuan. Membuat Vertex AI Platform Notebook

Tugas 4. Meng-clone kode contoh

Repositori GitHub berisi file lab dan file solusi untuk kursus.

  1. Salin dan jalankan kode berikut dalam sel pertama notebook Anda untuk meng-clone repositori training-data-analyst.
!git clone https://github.com/GoogleCloudPlatform/training-data-analyst

  1. Konfirmasi bahwa Anda telah meng-clone repositori. Klik dua kali direktori training-data-analyst dan pastikan kontennya terlihat.

  1. Dari menu sebelah kiri, pilih training-data-analyst> quests> rl > early_rl > early_rl.ipynb. Tindakan ini akan membuka tab baru.

Klik Periksa progres saya untuk memverifikasi tujuan. Meng-clone kode contoh

Tugas 5. Menjalankan melalui notebook

Tab baru Anda akan terlihat seperti berikut ini:

  1. Baca notebook berikut dan jalankan semua blok kode dengan menekan Shift + Enter.

  2. Kembali ke sini setelah Anda menyelesaikan instruksi di notebook.

Selamat!

Di lab ini Anda mempelajari prinsip-prinsip dasar reinforcement learning (RL). Setelah membuat instance Jupyterlab, Anda meng-clone repositori sampel dan menjalankan notebook yang Anda gunakan untuk menerima praktik langsung dengan dasar-dasar reinforcement learning. Anda kini siap mengikuti lab lainnya dalam seri ini.

Selesaikan Quest

Lab mandiri ini adalah bagian dari Qwiklabs Quest Baseline: Data, ML, AI. Quest adalah serangkaian lab terkait yang membentuk jalur pembelajaran. Daftar ke Quest ini dan langsung dapatkan kredit penyelesaian jika Anda sudah mengikuti lab ini.

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual Terakhir Diperbarui pada 27 September 2023

Lab Terakhir Diuji pada 27 September 2023

Hak cipta 2025 Google LLC Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.

Before you begin

  1. Labs create a Google Cloud project and resources for a fixed time
  2. Labs have a time limit and no pause feature. If you end the lab, you'll have to restart from the beginning.
  3. On the top left of your screen, click Start lab to begin

Konten ini tidak tersedia untuk saat ini

Kami akan memberi tahu Anda melalui email saat konten tersedia

Bagus!

Kami akan menghubungi Anda melalui email saat konten tersedia

One lab at a time

Confirm to end all existing labs and start this one

Use private browsing to run the lab

Use an Incognito or private browser window to run this lab. This prevents any conflicts between your personal account and the Student account, which may cause extra charges incurred to your personal account.