Félicitations !

Reinforcement Learning avec Gymnasium en Python

Fouad Trad

Machine Learning Engineer

Chapitre 1

 

Introduction à l’apprentissage par renforcement
  • Principes de base du RL
  • Cadre RL
  • Gymnasium

  Image montrant que l’environnement fournit des observations à l’agent, puis l’agent effectue des actions et reçoit des récompenses ou des pénalités selon ces actions.

Reinforcement Learning avec Gymnasium en Python

Chapitre 2

apprentissage sans modèle

Apprentissage basé sur un modèle
  • Processus de décision de Markov
  • Politiques, fonctions de valeur
  • Itération de politique, itération de valeur
Reinforcement Learning avec Gymnasium en Python

Chapitre 3

Apprentissage sans modèle
  • Méthodes Monte Carlo
  • Apprentissage par différence temporelle
    • SARSA
    • Q-learning

Image d’un robot interagissant avec un environnement d’échecs.

Reinforcement Learning avec Gymnasium en Python

Chapitre 4

dernier chapitre

Stratégies avancées en RL sans modèle
  • Expected SARSA
  • Double Q-learning
  • Exploration vs. exploitation
  • Bandits à bras multiples
Reinforcement Learning avec Gymnasium en Python

Prochaines étapes

  • Approfondir des sujets avancés en RL
  • RL profonde
  • Explorer des environnements plus complexes
  • Créer vos propres environnements

prochaine étape

Reinforcement Learning avec Gymnasium en Python

Félicitations !

Reinforcement Learning avec Gymnasium en Python

Preparing Video For Download...