Pokračujeme v sekvenčním rozhodování. Jak počítat vhodnou policy přímo?

• bodovaný, bonusových 0.5bodu
• řešení odevzdat do BRUTE do úlohy lab06quiz, do půlnoci dne, kdy běží dané cvičení
• formát: textový soubor, fotka řešení na papíře, pdf - co Vám nejlépe vyhovuje a dokážeme to přečíst
• správné řešení prodiskutujeme na příštím cvičení

• p. 101, St 12:45: cv101
• p. 102, St 14:30: cv102
• p. 103, Čt 12:45: cv103
• p. 104, Čt 14:30: cv104
• p. 105, Pá 9:15: cv105

• vysvětlení na příkladu, on-line výuka
• prezentace Value/Policy iteration příklad

Pokračování v samostatné úloze Markovské rozhodovací procesy.