Опис курсу

Мета. Вивчення фундаментальних положень теорії і методів навчання з підкріпленням. Розв’язування задачі навчання з підкріпленням дає змогу інтелектуальному агенту домогтися успіху в невідомому середовищі, використовуючи лише отримані їм результати сприйняття, а іноді також винагороду.

Короткий опис. У курсі вивчаються марковські процеси прийняття рішень, рівняння Беллмана, алгоритм ітерації за значеннями, алгоритм ітерації за стратегіями для обчислення оптимальної стратегії, адаптивне динамічне програмування, навчання з урахуванням часових відмінностей, дослідження середовища.

Завдання. Головним завданням курсу є ознайомлення студентів із формулюванням основних понять такого розділу машинного навчання, як навчання з підкріпленням та вивчення головних типів методів навчання з підкріпленням.

У результаті вивчення даного курсу студент повинен

знати

• формулювання основних положень навчання з підкріпленням;
• методику безпосереднього оцінювання корисності;
• методику адаптивного динамічного програмування;
• методику часових відмінностей.

вміти

• використовувати методи, засновані на безпосередньому оцінюванні корисності;
• використовувати методи, засновані на адаптивному динамічному програмуванні;
• використовувати методи на основі часових відмінностей.