Principes de l'apprentissage par renforcement

Reinforcement Learning avec Gymnasium en Python

Fouad Trad

Machine Learning Engineer

Apprentissage par renforcement

 

  • L'agent apprend par essais et erreurs

 

Image montrant deux icônes, une pour un agent et l'autre pour l'environnement.

Reinforcement Learning avec Gymnasium en Python

Apprentissage par renforcement

 

  • L'agent apprend par essais et erreurs

 

Image montrant que l'environnement fournit des observations à l'agent.

Reinforcement Learning avec Gymnasium en Python

Apprentissage par renforcement

 

  • L'agent apprend par essais et erreurs

 

Image montrant que l'environnement fournit des observations à l'agent, puis que l'agent agit en conséquence.

Reinforcement Learning avec Gymnasium en Python

Apprentissage par renforcement

 

  • L'agent apprend par essais et erreurs
  • L'agent reçoit :
    • Récompenses pour de bonnes décisions
    • Pénalités pour de mauvaises décisions
  • Objectif : maximiser la rétroaction positive dans le temps

 

Image montrant que l'environnement fournit des observations à l'agent, puis que l'agent agit et reçoit des récompenses ou des pénalités selon ses actions.

Reinforcement Learning avec Gymnasium en Python

AR comme dressage d'un animal

Image montrant un homme âgé (l'environnement) qui dresse un animal de compagnie (l'agent).

Reinforcement Learning avec Gymnasium en Python

AR vs autres types de ML

L'image montre un tableau intitulé « Apprentissage supervisé », indiquant que le type de données utilisé est annoté, l'objectif principal est de prédire des résultats à partir des données d'entrée, et qu'il convient aux tâches de classification et de régression.

Reinforcement Learning avec Gymnasium en Python

AR vs autres types de ML

L'image montre un tableau comparant l'apprentissage supervisé et non supervisé. Supervisé : données annotées, objectif de prédire des résultats à partir des entrées, adapté à la classification et à la régression. Non supervisé : données non annotées, objectif de découvrir des motifs ou associations, adapté au regroupement et à l'analyse d'association.

Reinforcement Learning avec Gymnasium en Python

AR vs autres types de ML

L'image présente un tableau ajoutant l'AR à la comparaison avec l'apprentissage supervisé et non supervisé. Supervisé : utilise des données annotées pour prédire des résultats, adapté à la classification et à la régression. Non supervisé : utilise des données non annotées pour découvrir des motifs ou associations, adapté au regroupement et à l'analyse d'association. L'AR ne requiert pas de données d'entraînement prédéfinies et vise à prendre des décisions maximisant les récompenses de l'environnement, adapté aux tâches décisionnelles.

Reinforcement Learning avec Gymnasium en Python

Quand utiliser l'AR ?

 

  • Prise de décision séquentielle
    • Les décisions influencent les observations futures
  • Apprentissage par récompenses et pénalités
    • Aucune supervision directe

Icône d'un robot

Reinforcement Learning avec Gymnasium en Python

Approprié pour l'AR : jouer à des jeux vidéo

  • Le joueur prend des décisions séquentielles
  • Gagne des points et perd des vies selon ses actions

Image montrant une scène de jeu vidéo où l'agent prend une décision.

Reinforcement Learning avec Gymnasium en Python

Inapproprié pour l'AR : reconnaissance d'objets en jeu

  • Aucune prise de décision séquentielle
  • Aucune interaction avec un environnement

Image montrant une image de jeu où le but est de reconnaître différents types de pokémons.

Reinforcement Learning avec Gymnasium en Python

Applications de l'AR

Robotique
  • Marche de robot
  • Manipulation d'objets

Image montrant une main robotique.

Reinforcement Learning avec Gymnasium en Python

Applications de l'AR

Robotique
  • Marche de robot
  • Manipulation d'objets

Image montrant une main robotique.

Finance
  • Optimiser les opérations et l'investissement
  • Maximiser le profit

Image représentant une grande somme d'argent s'envolant d'une mallette ouverte sur fond bleu, évoquant la réussite financière.

Reinforcement Learning avec Gymnasium en Python

Applications de l'AR

Véhicules autonomes
  • Accroître la sécurité et l'efficacité
  • Minimiser les risques d'accident

Image montrant plusieurs véhicules autonomes circulant sur la route.

Reinforcement Learning avec Gymnasium en Python

Applications de l'AR

Véhicules autonomes
  • Accroître la sécurité et l'efficacité
  • Minimiser les risques d'accident

Image montrant plusieurs véhicules autonomes circulant sur la route.

Développement de chatbot
  • Améliorer les aptitudes de conversation
  • Bonifier l'expérience utilisateur

Image montrant un chatbot conversationnel.

Reinforcement Learning avec Gymnasium en Python

Et après ?

Dans ce cours, vous allez :

  • Comprendre les bases et principes de l'AR
  • Définir, formuler et résoudre des problèmes d'AR
  • Mettre en pratique avec Gymnasium

Image du logo Gymnasium.

Reinforcement Learning avec Gymnasium en Python

Passons à la pratique !

Reinforcement Learning avec Gymnasium en Python

Preparing Video For Download...