Renforcement de l'apprentissage : bases et applications

Cette séance de cours présente les principes fondamentaux du renforcement de l'apprentissage, en mettant l'accent sur le concept de l'apprentissage pour maximiser les récompenses. Il couvre des sujets tels que les processus décisionnels de Markov, les méthodes de gradient de politiques et les avantages et inconvénients de l'apprentissage renforcé. Les applications du monde réel dans la robotique, la conduite autonome et le contrôle du réseau électrique sont discutés. La séance de cours explore également les progrès récents dans le renforcement de l'apprentissage, y compris le Q-learning profond et AlphaZero atteindre le niveau grand maître dans les jeux. Divers projets et algorithmes de renforcement de l'apprentissage sont présentés, soulignant l'importance de l'optimisation des politiques et des approches fondées sur des modèles.