Основные алгоритмы обучения с подкреплением SARSA и Q-learning

На Python "с нуля" реализуем два алгоритма обучения с подкреплением и убедимся, что наш агент успешно обучается.

уравнение Беллмана - основное уравнение в обучении с подкреплением;
метод SARSA - метод итеративного обучения агента;
метод Q-learning - метод итеративного оптимального обучения агента.

На вебинаре разберем:

Этот вебинар будет полезен:

начинающим специалиста по машинному обучению, которые стремятся расширить свой набор навыков и инструментов обучением с подкреплением

Узнаем, что такое обучение с подкреплением и чем оно принципиально отличается от других подходов машинного обучения; что такое функция ценности состояния и функция ценности действия-состояния, как они связаны между собой и как помогают нашему агенту учиться.

В результате вебинара:

Спикер

Более 15 лет занимался прикладной математикой и мат. моделированием в НИИгазэкономика ПАО Газпром.

Руководил командой 20+ человек, решающей прикладные задачи, вывод готовых моделей в продакшн и поддержку решений у клиента.

Разрабатывал модель развития и прогнозирования технического состояния газотранспортной системы ПАО Газпром.

Образование: кандидат наук физико-математических наук, Теоретическая физика, Московский государственный университет (МГУ)

Игорь Стурейко