Apprentissage par renforcement

Objectifs

– Objectif 1 : savoir modéliser une situation comme un problème d’apprentissage par renforcement (choix d’une fonction de récompense, d’un espace d’état, d’un espace d’actions…)

– Objectif 2 : être capable d’apprendre une politique à partir de données et de l’évaluer

– Objectif 3 : comprendre les limites de la modélisation par apprentissage par renforcement

Plan

– Modèles de bandits

– Dilemme exploration-exploitation

– Algorithmes de bandits

– Regret

– Processus de décision markovien (MDP)

– Equation de Bellman

– Fonction état-valeur

– Algorithmes pour MDP

Prérequis

Apprentissage profond et chaînes de Markov facilitent la compréhension