Reinforcement Learning
Cette série propose une présentation du Reinforcement Learning, un type de Machine Learning capable de résoudre certains problèmes de systèmes de contrôle que les techniques traditionnelles ne permettent pas de résoudre facilement.
Nous aborderons les concepts fondamentaux du Reinforcement Learning et en quoi il diffère des techniques de contrôle traditionnelles. Nous montrerons pourquoi les réseaux de neurones sont utilisés pour représenter des fonctions inconnues et comment l'agent utilise les récompenses de l'environnement pour les entraîner.
À la fin de cette série, vous serez mieux préparé à répondre à des questions telles que :
- Qu'est-ce que le Reinforcement Learning et pourquoi devrais-je le considérer lors de la résolution de mon problème de contrôle ?
- Comment puis-je configurer et résoudre le problème de Reinforcement Learning ?
- Quels sont certains des avantages et des inconvénients du Reinforcement Learning par rapport à une approche de contrôle traditionnelle ?
partie 1 : introduction au Reinforcement Learning
Découvrez une vue d’ensemble du Reinforcement Learning du point de vue d’un ingénieur. Le Reinforcement Learning est un type d’apprentissage automatique qui peut résoudre des problèmes de contrôle particulièrement complexes.
Comprendre l'environnement et les récompenses
Dans cette vidéo, nous développons les connaissances de base acquises sur le Reinforcement Learning en explorant le workflow. En quoi consiste l'environnement ? Comment les fonctions de récompense encouragent-elles un agent ? Comment les politiques sont-elles structurées ?
Politiques et algorithmes d'apprentissage
Introduction aux algorithmes de Reinforcement Learning et aux politiques de réseaux de neurones.
Application du Reinforcement Learning à la robotique, et plus précisément à la marche de robots bipèdes.
partie 5 : surmonter les défis pratiques du Reinforcement Learning
L’utilisation du Reinforcement Learning dans des systèmes de production pose certains défis, mais il existe des moyens de les atténuer. Cette vidéo aborde les difficultés liées à la vérification de la solution apprise et les solutions possibles.
Introduction au Reinforcement Learning multi-agents
Découvrez ce qu’est le Reinforcement Learning multi-agent ainsi que certaines des difficultés qu’il rencontre et surmonte.
Pourquoi choisir le Reinforcement Learning basé sur des modèles ?
Comparez les approches de Reinforcement Learning avec et sans modèle pour mieux comprendre quelle méthode choisir selon la situation.
Apprentissage par Reinforcement Learning sur hardware
Découvrez comment utiliser le Reinforcement Learning pour entraîner et déployer des politiques de contrôle sur du hardware grâce à plusieurs approches.
