Il Reinforcement Learning è una tecnica di Machine Learning in cui un agente informatico impara a svolgere un’attività tramite ripetute interazioni di tipo “trial-and-error” (eseguite per tentativi ed errori) all'interno di un ambiente dinamico.
Questo ebook ti aiuta a iniziare con il Reinforcement Learning spiegando la terminologia e fornendo accesso a esempi, tutorial e ulteriori risorse. Presenta tutti i concetti principali, dalle ricompense e dalle politiche decisionali fino all’addestramento e all’utilizzo del modello.
Imparerai:
- I fondamenti del problema del Reinforcement Learning e come si confronta con le tecniche di controllo tradizionali.
- I diversi tipi di algoritmi di addestramento, compresi i metodi basati sulle politiche, sui valori e actor-critic.
- I pro e i contro di ciascun metodo di formazione, inclusa l'equazione di Bellman per l'addestramento Q-learning.
- La differenza tra apprendimento supervisionato, apprendimento non supervisionato e Reinforcement Learning.
- Cosa si dovrebbe considerare prima di distribuire una politica addestrata, così come le sfide e gli svantaggi complessivi associati a questa tecnica.
