07 Reinforcement I

Model robota-agenta neznáme, chová se nějak podivně, cestu k cíli neznáme, po cestě navíc nějaké pasti, co s tím.

• tradiční kvíz, tentokrát na přímý výpočet Q hodnot z trénovacích epizod
• bodovaný, bonusových 0.5bodu
• řešení odevzdat do BRUTE do úlohy lab07quiz, 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: Direct Q Evaluation Cviceni 104
• p. 105, Pá 9:15: cv105

• vysvětlení na příkladu, on-line výuka
• bez bodoveho hodnoceni
• prezentace z cvičení Policy Estimation Example

Práce na úloze Markovské rozhodovací procesy.

• Mystery game video