Le Reinforcement Learning est une technique de Machine Learning dans laquelle un agent informatique apprend à exécuter une tâche via des interactions répétées, par essais et erreurs, dans un environnement dynamique.
Cet e-book vous aide à vous initier au Reinforcement Learning en expliquant la terminologie et en proposant un accès à des exemples, des tutoriels et des ressources additionnelles. Cela couvre tout ce que vous devez savoir, des systèmes de récompenses et des structures de politique, à l’apprentissage et au déploiement.
Vous découvrirez :
- Les principes fondamentaux du Reinforcement Learning et sa comparaison avec les techniques de contrôle traditionnelles
- Les différents types d'algorithmes d'apprentissage, y compris les méthodes basées sur les politiques, basées sur les valeurs et les méthodes acteur-critique
- Les avantages et les inconvénients de chaque méthode d’apprentissage, y compris l'équation de Bellman pour le Q-learning
- La différence entre l'apprentissage supervisé, l'apprentissage non supervisé et le Reinforcement Learning
- Ce que vous devez prendre en compte avant de déployer une politique entraînée, ainsi que les défis et inconvénients globaux associés à cette technique
