L'Apprendimento per Rinforzo (RL) è un ramo avanzato del machine learning che si concentra sull'addestramento di agenti intelligenti tramite l'interazione con l'ambiente. In questo corso, verrà illustrato come gli agenti scoprono progressivamente comportamenti efficaci attraverso il metodo del tentativo ed errore. A partire da concetti fondamentali come i processi decisionali di Markov e i multi-armed bandit, si procederà attraverso la programmazione dinamica, i metodi Monte Carlo e l'apprendimento a differenza temporale.

Scopri come addestrare agenti a prendere decisioni ottimali tramite tentativi ed errori. Esplora i principi fondamentali della teoria dell'apprendimento per rinforzo. Acquisisci esperienza pratica nell'impostazione e nell'esecuzione di un ambiente Gymnasium.

Comprendere il compromesso esplorazione-sfruttamento attraverso il problema del multi-armed bandit. Implementazione della stima del valore d'azione, ε-greedy, upper confidence bound e metodi gradient-bandit. Valutazione delle prestazioni degli algoritmi su compiti simulati di massimizzazione della ricompensa.

Padronanza della programmazione dinamica per RL basato su modello.
Scoperta dell'utilizzo delle equazioni di Bellman per valutare e migliorare le politiche.
Implementazione degli algoritmi di iterazione delle politiche e dei valori.
Esplorazione della generalizzazione dell'iterazione delle politiche come fondamento teorico per i metodi senza modello.

Apprendimento dei metodi Monte Carlo per RL senza modello. Stima delle funzioni di valore e derivazione di politiche ottimali da episodi completi. Implementazione di algoritmi di controllo Monte Carlo on-policy e off-policy. Esplorazione di strategie di esplorazione per ottimizzare l'apprendimento senza modello.

Approfondimento sull'apprendimento a differenza temporale per RL senza modello. Stima delle funzioni di valore da episodi parziali utilizzando aggiornamenti TD(0). Implementazione degli algoritmi SARSA on-policy e Q-Learning off-policy. Analisi della combinazione tra metodi Monte Carlo e apprendimento TD in n-step TD e TD(λ).

Sfida: Programmazione Dinamica

Sfida

Awesome!

Sfida: Programmazione Dinamica

Sfida