강화 학습 - 영어로 번역

• reinforcement learning

한국어에서 강화 학습 을 사용하는 예와 영어로 번역

딥마인드 측에 따르면 알파제로 신경망에 필요한 강화 학습의 양은 게임의 스타일과 복잡성에 따라 달라지지만 여러 TPU에서 실행할 때 대략 체스는 9시간,
According to DeepMind, the amount of reinforcement learning training the AlphaZero neural network needs depends on the style and complexity of the game, taking roughly nine hours for chess, 12 hours for shogi, and 13 days for Go,

우리는 강화 학습 및 진화 알고리즘을 모두 활용하여 신경망 아키텍처를 설계하는 새로운 접근 방식을 개발했는데, 이 작업을 ImageNet
We developed new approaches for designing neural network architecturesusing both reinforcement learning and evolutionary algorithms, scaled this work to state-of-the-art results on ImageNet classification

그러나, 강화학습 분야에서는, 진화전략(Evolution Strategies)이 다시 돌아오는 것 같습니다.
However, in Reinforcement Learning, Evolution Strategies(ES) seem to be making a comeback.

강화학습 진화전략 Evolution Strategies.
Reinforcement Learning Evolution Strategies.

KB국민은행 머신러닝 및 강화학습 모델 개발.
KB Kookmin Bank machine learning and reinforcement learning model development.

딥러닝, 강화학습 경험자 우대.
deep learning, reinforcement learning preferred.

강화학습 시스템에서는 프로그래머가 시스템의 현재 상태와 목표를 자세히 명시하고,
In reinforcement learning systems the programmer specifies the current state of the system and the goal,

호텔은 고객에게 나노 기술을 통해 자신의 꿈을 직접 설계할 수 있게 하고 고객들은 휴식, 강화, 학습 또는 즐기기 등의 꿈 테마를 선택할 수 있다.
Hotels will give guests access to neurotechnology to program their dreams and they can choose a dream theme to either relax, enhance, learn or enjoy.

강화 학습은.
Reinforcement learning.

강화 학습이.
Reinforcement learning.

강화 학습은 로봇, 게임 및 내비게이션에 많이 이용됩니다.
Reinforcement learning is often used for robotics, gaming, and navigation.

Q-러닝은 가장 쉬운 강화 학습 알고리즘 중 하나입니다.
Q-learning is one of the easiest Reinforcement Learning algorithms.

Q-러닝은 모델 없이 학습하는 강화 학습 기법이다.
Q-learning is a model-free reinforcement learning technique.

맵 클라우드와 강화학습을 통한 실내 자율주행, AROUND 플랫폼.
Autonomous driving via the map cloud and reinforcement learning: the AROUND platform.

강화 학습은 신뢰 할당 문제(credit assignment problem)을 다뤄야 합니다.
So reinforcement learners must deal with the credit assignment problem.

일반적인 강화 학습 문제는 아주 일반적인 설정을 갖습니다.
The general reinforcement learning problem is a very general setting.

강화 학습은 자연어 처리 모델의 품질을 지속적으로 향상하는 데 사용됩니다.
Reinforcement learning is used to continuously improve the quality of the natural language processing models.

강화 학습 에이전트의 목표는 가능한 한 많은 보상을 수집하는 것입니다.
Reinforcement learning The goal of a reinforcement learning agent is to collect as much reward as possible.

현재로선 딥 강화학습은 단지, 잘 통제된 환경에서만 신뢰될 수 있다.
For now, deep reinforcement learning can only be trusted in environments that are well controlled.

강화 학습은 일부 관찰의 문제(problem of partial observability)도 다뤄야할 수도 있습니다.
Reinforcement learners may also have to deal with the problem of partial observability.