Fonksiyon Yaklaşımı ile Tahmin ve Kontrol

Bu kursta, büyük, yüksek boyutlu ve potansiyel olarak sonsuz durum uzaylarına sahip problemleri nasıl çözeceğinizi öğreneceksiniz. Değer fonksiyonlarını tahmin etmenin bir denetimli öğrenme problemi (fonksiyon yaklaşımı) olarak ele alınabileceğini göreceksiniz; bu da ödülü en üst düzeye çıkarmak için genelleme ve ayırt etme süreçlerini dikkatle dengeleyen ajanlar oluşturmanıza olanak tanır. Bu yolculuğa, Monte Carlo ve TD gibi politika değerlendirme veya tahmin yöntemlerimizin fonksiyon yaklaşımı ortamına nasıl uyarlanabileceğini inceleyerek başlayacağız. RL için özellik oluşturma (feature construction) tekniklerini ve yapay sinir ağları ile geri yayılım (backprop) aracılığıyla temsil öğrenimini öğreneceksiniz. Bu kursu, değer fonksiyonu öğrenmeden doğrudan politikaları öğrenmenin bir yolu olan politika gradyanı (policy gradient) yöntemlerine derinlemesine bir bakışla tamamlıyoruz. Bu kursta iki sürekli durum kontrol görevini çözecek ve sürekli eylem ortamında politika gradyanı yöntemlerinin faydalarını inceleyeceksiniz. Ön Koşullar: Bu kurs, Kurs 1 ve 2'nin temelleri üzerine güçlü bir şekilde inşa edilmiştir ve katılımcıların bu kursa başlamadan önce onları tamamlamış olması gerekir. Katılımcılar ayrıca olasılıklar ve beklentiler, temel doğrusal cebir ve temel kalkülüs konularında rahat olmalıdır.