Reinforcement Learning от Otus

Введение в Reinforcement Learning

• Знакомство с Reinforcement Learning
• Ключевые понятия RL: агент, среда, награда, политика. Построение среды
• Основные алгоритмы RL: Value based
• Основные алгоритмы RL: Policy based

Deep Reinforcement Learning

• Введение в Deep Reinforcement Learning
• Deep Q-Network (DQN) алгоритм
• Deep Policy Gradient (PG) алгоритм
• Actor-Critic алгоритм
• TRPO -> PPO
• DDPG -> TD3 -> LSTM-TD3

Advanced Reinforcement Learning

• Обучение с использованием модели среды (model-based rl)
• Model-based, часть 2
• Иерархическое обучение с подкреплением
• Выбор темы и организация проектной работы
• Многоагентное обучение и кооперация агентов
• Трансформеры в RL: decision transformers и action transformers

Применение RL в реальных задачах

• Применение RL в игровой индустрии
• Применение RL в робототехнике
• RL в рекомендательных системах
• RL в задаче скоринга
• Применение RL в управлении финансовым портфелем

Проектная работа

• Консультация по проектам и домашним заданиям
• Предзащита
• Защита проектных работ. Подведение итогов курса