Reinforcement Learning ist eine Machine Learning-Technik, bei der ein Computeragent lernt, eine Aufgabe durch wiederholtes Ausprobieren (Versuch und Fehler) in einer dynamischen Umwelt auszuführen.
Dieses E-Book hilft Ihnen, mit dem Reinforcement Learning zu beginnen, indem es die Terminologie erklärt und Zugang zu Beispielen, Tutorials und zusätzlichen Ressourcen bietet. Es umfasst alles, was Sie wissen müssen, von Belohnungsfunktionen und Policy-Strukturen bis hin zu Training und Implementierung.
Sie werden lernen:
- Die Grundlagen des Reinforcement Learning und dessen Vergleich mit traditionellen Regelungstechniken.
- Die verschiedenen Arten von Trainingsalgorithmen, einschließlich policy-basierter, wert-basierter und Actor-Critic-Methoden.
- Die Vor- und Nachteile jeder Trainingsmethode, einschließlich der Bellman-Gleichung für Q-Learning.
- Den Unterschied zwischen überwachtem und unüberwachtem Lernen und Reinforcement Learning.
- Was Sie berücksichtigen sollten, bevor Sie eine trainierte Policy implementieren, sowie die allgemeinen Herausforderungen und Nachteile, die mit dieser Technik verbunden sind.
