Örneklem Tabanlı Öğrenme Yöntemleri

Bu kursta, çevreyle deneme-yanılma etkileşimine dayanarak, yani ajanın kendi deneyimlerinden öğrenerek neredeyse optimum politikaları öğrenebilen çeşitli algoritmaları öğreneceksiniz. Gerçek deneyimlerden öğrenmek son derece dikkat çekicidir çünkü ortamın dinamikleri hakkında önceden hiçbir bilgi gerektirmez, buna rağmen yine de optimum davranışa ulaşabilir. Sezgisel olarak basit ama güçlü Monte Carlo yöntemlerini ve Q-learning dahil zamansal fark (temporal difference) öğrenme yöntemlerini ele alacağız. Bu kursu, her iki dünyanın da en iyi yönlerini nasıl bir araya getirebileceğimizi inceleyerek tamamlayacağız: öğrenmeyi radikal bir şekilde hızlandırmak için model tabanlı planlama (dinamik programlamaya benzer) ile zamansal fark güncellemelerini birleştirebilen algoritmalar. Kursun sonunda şunları yapabileceksiniz: - Örneklenmiş deneyimlerden değer fonksiyonlarını tahmin etmek için iki strateji olarak Zamansal Fark öğrenmesini ve Monte Carlo'yu anlamak - Bir model içinde dinamik programlama taramaları yerine örneklenmiş deneyim kullanırken keşfetmenin (exploration) önemini anlamak - Monte Carlo, Dinamik Programlama ve TD arasındaki bağlantıları anlamak - Değer fonksiyonlarını tahmin etmek için TD algoritmasını uygulamak ve kullanmak - Expected Sar'ı uygulamak ve kullanmak.