Technische Anforderungen
Damit du problemlos an unseren Reinforcement Learning Kursen teilnehmen kannst, brauchst du keine High-End Ausrüstung. Hier findest du alle notwendigen Informationen zu Hardware, Software und Internetverbindung.
Fragen? Kontaktiere uns
Grundlegende Hardware-Anforderungen
Minimale Anforderungen
- Prozessor: Intel Core i3 oder AMD Ryzen 3 (ab 2018)
- Arbeitsspeicher: 8 GB RAM
- Festplattenspeicher: 20 GB freier Speicherplatz
- Grafikkarte: Integrierte Grafik ausreichend für die meisten Übungen
- Display: 1366x768 Pixel Mindestauflösung
Empfohlene Konfiguration
- Prozessor: Intel Core i5/i7 oder AMD Ryzen 5/7 (neuere Generation)
- Arbeitsspeicher: 16 GB RAM oder mehr
- Festplattenspeicher: SSD mit 50 GB freiem Speicherplatz
- Grafikkarte: NVIDIA GTX 1650 oder besser für komplexe Simulationen
- Display: 1920x1080 Pixel für optimales Arbeiten
Betriebssystem
- Windows 10/11 (64-bit)
- macOS 11 Big Sur oder neuer
- Ubuntu 20.04 LTS oder vergleichbare Linux-Distribution
- Alle Systeme müssen auf dem aktuellen Stand sein
- Administrator-Rechte für Softwareinstallation erforderlich
Zusätzliche Hardware
- Webcam: 720p Mindestauflösung für Live-Sessions
- Mikrofon: Integriert oder extern, klare Audioqualität
- Kopfhörer: Empfohlen zur Vermeidung von Echos
- Zweiter Bildschirm: Optional, aber hilfreich für Multitasking
- Maus: Für präzise Arbeit mit Entwicklungsumgebungen
Erforderliche Software und Tools
Alle Programme sind kostenlos verfügbar. Wir zeigen dir während des Kurses Schritt für Schritt, wie du sie installierst und konfigurierst.
Python 3.9 oder höher
Die Hauptprogrammiersprache für Reinforcement Learning. Du brauchst keine Vorkenntnisse, wir fangen bei den Grundlagen an und bauen darauf auf.
Jupyter Notebook oder JupyterLab
Interaktive Entwicklungsumgebung für Python. Du kannst Code direkt ausführen, Visualisierungen erstellen und deine Arbeit dokumentieren.
Git und GitHub Desktop
Versionsverwaltung für deinen Code. Damit kannst du deine Projekte speichern, Änderungen nachverfolgen und mit anderen zusammenarbeiten.
OpenAI Gym oder Gymnasium
Umgebung für Reinforcement Learning Experimente. Hier testest du deine Algorithmen in verschiedenen Szenarien, von einfachen bis zu komplexen Aufgaben.
Videokonferenz-Software
Zoom oder Microsoft Teams für Live-Sessions. Du brauchst nur einen kostenlosen Account, keine Premium-Features erforderlich.
Internetverbindung testen
Eine stabile Internetverbindung ist wichtig für Live-Sessions und das Arbeiten mit Cloud-basierten Tools. Die meisten DSL- oder Kabelverbindungen reichen völlig aus.
Du kannst deine Verbindung vorab mit kostenlosen Diensten wie speedtest.net prüfen. Wenn du während einer Session Probleme hast, bieten wir auch Aufzeichnungen an, die du später ansehen kannst.
Häufige technische Fragen
Hier findest du Antworten auf die häufigsten Fragen zur technischen Einrichtung. Falls etwas unklar ist, helfen wir dir gerne weiter.
Das hängt von den konkreten Spezifikationen ab. Wenn dein Laptop mindestens 8 GB RAM hat und einen Dual-Core-Prozessor aus den letzten Jahren, sollte es für die meisten Übungen funktionieren. Komplexe Simulationen können etwas länger dauern, sind aber trotzdem machbar.
Falls du dir unsicher bist, schick uns die Modellnummer deines Laptops und wir schauen uns das genauer an. In manchen Fällen kannst du auch RAM aufrüsten, was oft deutlich günstiger ist als ein neuer Computer.
Für den Einstieg nicht. Die meisten Übungen im Kurs funktionieren problemlos auf einer CPU. Eine GPU beschleunigt komplexe neuronale Netze, aber das wird erst in fortgeschrittenen Themen relevant.
Wenn du später intensiv mit Deep Reinforcement Learning arbeiten willst, gibt es auch Alternativen:
- Cloud-Dienste wie Google Colab bieten kostenlose GPU-Nutzung
- Du kannst die Trainingszeit reduzieren, indem du kleinere Modelle verwendest
- Viele Algorithmen liefern auch auf CPU gute Ergebnisse, dauern nur etwas länger
Für Live-Sessions und Videos funktioniert das gut. Für die praktischen Programmierübungen brauchst du aber einen echten Computer mit Python-Installation. Tablets und Chromebooks sind zu eingeschränkt für die Entwicklungsumgebung.
Wenn du nur ein Tablet hast, könntest du Cloud-basierte IDEs wie Replit oder Google Colab nutzen. Das ist aber weniger komfortabel und hat Einschränkungen bei komplexeren Projekten.
Kein Problem, das passiert oft. Wir haben detaillierte Setup-Anleitungen für alle Betriebssysteme und bieten eine technische Sprechstunde vor Kursbeginn an. Dort können wir gemeinsam Probleme lösen.
Die häufigsten Stolpersteine sind Pfad-Einstellungen bei Python und Konflikte zwischen verschiedenen Python-Versionen. Das sind Standardprobleme, die sich schnell beheben lassen, wenn man weiß wie.