Descriptif
This course provides a theoretically grounded introduction to reinforcement learning (RL). The course focuses on the workhorse of modern continuous RL: policy gradient methods. It begins with the foundations of Markov decision processes (MDPs) and dynamic programming, followed by an introduction to policy gradient methods. The course then proceeds to derive improvements to this algorithm by covering policy evaluation and baselines, policy optimization and actor-critic methods, and the descent lemma that leads to modern methods such as NPG and PPO. An emphasis is given on the underlying mathematical constructions to understand the different algorithm heuristics. This course includes a special session on the use of RL for LLM post-training.
Diplôme(s) concerné(s)
- AUDITEURS - IP Paris
- M2 MSV - Mathématiques pour les Sciences du Vivant
- M2 BME - Ingénierie BioMédicale
- M2 DS - Science des données
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade américainPour les étudiants du diplôme M2 BME - Ingénierie BioMédicale
Vos modalités d'acquisition :
Projet basé sur un article de recherche (étude théorique et/ou implémentation)
Le rattrapage est autorisé (Note de rattrapage conservée)- le rattrapage est obligatoire si :
- Note initiale < 7
- le rattrapage peut être demandé par l'étudiant si :
- 7 ≤ note initiale < 10
- Crédits ECTS acquis : 3 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme M2 DS - Science des données
Vos modalités d'acquisition :
Projet basé sur un article de recherche (étude théorique et/ou implémentation)
Le rattrapage est autorisé (Note de rattrapage conservée)- le rattrapage est obligatoire si :
- Note initiale < 7
- le rattrapage peut être demandé par l'étudiant si :
- Note initiale < 7
- Crédits ECTS acquis : 3 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme M2 MSV - Mathématiques pour les Sciences du Vivant
Vos modalités d'acquisition :
Projet basé sur un article de recherche (étude théorique et/ou implémentation)
Le rattrapage est autorisé (Note de rattrapage conservée)- le rattrapage est obligatoire si :
- Note initiale < 7
- le rattrapage peut être demandé par l'étudiant si :
- Note initiale < 7
- Crédits ECTS acquis : 3 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme AUDITEURS - IP Paris
Vos modalités d'acquisition :
Projet basé sur un article de recherche (étude théorique et/ou implémentation)
Le rattrapage est autorisé (Max entre les deux notes)- le rattrapage est obligatoire si :
- Note initiale < 10
- le rattrapage peut être demandé par l'étudiant si :
- Note initiale < 10
- Crédits ECTS acquis : 3 ECTS
La note obtenue rentre dans le calcul de votre GPA.