v2.7.0 (4146)

PA - C5 - MAP670C : Reinforcement Learning

Domaine > Mathématiques appliquées.

Descriptif

Syllabus: This 20-hour course provides an introduction to reinforcement learning. It is based on the new edition of the book "Reinforcement Learning: An Introduction" by R. Sutton and A. Barto. Barto (available online at http://incompleteideas.net/book/the-book-2nd.html).

Outline:

  1. Introduction to reinforcement learning and Markov decision processes
  2. The bandit case
  3. Tabular methods: prediction by dynamic programming, Monte Carlo method and TD Learning
  4. Planning and learning for tabular methods
  5. approximate methods: prediction, planning and learning

 

Grading: Project based on a research article

 

Format des notes

Numérique sur 20

Littérale/grade réduit

Pour les étudiants du diplôme Data Sciences

Le rattrapage est autorisé (Max entre les deux notes)
    L'UE est acquise si Note finale >= 10
    • Crédits ECTS acquis : 3 ECTS

    Pour les étudiants du diplôme Echanges PEI

    Pour les étudiants du diplôme M2 MSV - Mathématiques pour les Sciences du Vivant

    Le rattrapage est autorisé (Max entre les deux notes)
      L'UE est acquise si Note finale >= 10
      • Crédits ECTS acquis : 6 ECTS

      Pour les étudiants du diplôme Master 2 Mathématiques et Applications - Mathématiques pour les Sciences du Vivant

      Le rattrapage est autorisé (Max entre les deux notes)
        L'UE est acquise si Note finale >= 10
        • Crédits ECTS acquis : 6 ECTS
        Veuillez patienter