WEBVTT

00:00.390 --> 00:03.240
大家好, 欢迎来到这个额外的讲座｡ 

00:03.240 --> 00:11.070
我们希望为您提供一些额外的实用材料, 以帮助您继续在人工智能方面获得更多的实践经验｡

00:11.070 --> 00:12.690
为此我们要用到｡ 

00:12.690 --> 00:18.330
Q学习和你在这门课上学到的知识来解决类似于邮递员问题的问题｡

00:18.330 --> 00:20.760
你们中的一些人可能听起来很熟悉｡ 

00:20.790 --> 00:26.820
基本上, 这是一个修改版本, 我们的主要目标是找到位置之间的最短路径｡ 

00:26.820 --> 00:34.020
这是计算机科学中非常流行的一个概念, 我们想用人工智能和Q学习来解决这个问题｡

00:34.140 --> 00:40.890
这可以扩展到解决一系列的业务问题, 并可以真正帮助演示Q学习概念｡

00:40.890 --> 00:47.880
说到这里, 让我们在下一节课开始解决这个问题｡ 

00:47.880 --> 00:55.500
但是对于那些想自己解决的人, 我强烈推荐, 这是一个很好的练习方式｡

00:55.500 --> 00:57.450
您可以构建不同的解决方案｡ 

00:57.450 --> 00:59.910
总是有多种选择来解决它｡ 

00:59.910 --> 01:03.990
在接下来的讲座中, 我将尽我所能提供环境｡ 

01:03.990 --> 01:11.430
建立一个概述, 这样你就可以编写一些你自己的代码和方法, 然后将其与我们用来解决问题的方法进行比较｡

01:12.170 --> 01:12.770
太棒了｡ 

01:13.070 --> 01:15.380
我们开始吧, 下节课再见｡