Format des notes

Numérique sur 20

Littérale/grade réduit

Programme détaillé

1\. Raisonnement probabiliste et prise de décision Nous étudions les modèles graphiques probabilistes et les réseaux bayésiens comme représentation de la connaissance et posons le cadre de la résolution d'un processus de décision markovien comme tâche d'inférence probabiliste. Nous abordons brièvement des concepts tels que l'échantillonnage d'importance et les méthodes de Monte-Carlo séquentielles. Dans le TD, nous dériverons et implémenterons un modèle de réseau bayésien, que nous utiliserons comme représentation de la connaissance pour raisonner et prendre des décisions pour un agent dans un environnement/scénario à une seule étape. 2\. Apprentissage, représentation et planification Nous nous concentrons sur les architectures de représentations d'apprentissage modernes adaptées à la modélisation séquentielle. Nous abordons la planification et des sujets tels que la recherche d'architecture et la modélisation séquentielle, par exemple les transformateurs de décision. 3\. Bandits et recherche arborescente de Monte-Carlo L'étude des Bandits constitue une incursion intéressante dans la prise de décision séquentielle. Ce cadre couvre de nombreuses applications importantes (par exemple, en médecine, en finance et en marketing), mais il sert également de passerelle vers les agents autonomes, notamment compte tenu du compromis exploration/exploitation. À partir de Bandits, nous lançons une étude sur la recherche arborescente de Monte-Carlo. 4\. Fondamentaux de l'apprentissage par renforcement, Programmation dynamique Nous présenterons et examinerons les applications de l'apprentissage par renforcement, et aborderons les principaux concepts et intuitions nécessaires à la poursuite des études et des applications dans ce domaine. Nous développerons notamment des processus de décision markoviens (PDM). Le TD comprendra des implémentations d'itérations de valeur et de politique, ainsi que des méthodes de Monte-Carlo pour l'apprentissage par renforcement. 5\. Apprentissage par différences temporelles, Q-Learning, Q-Learning profond Cette semaine, nous procédons sous une contrainte supplémentaire (généralement réelle) : nous ne connaissons pas le PDM sous-jacent, c'est-à-dire que nous ne disposons pas d'un modèle de l'environnement. Nous étudierons l'apprentissage par différences temporelles (y compris le Q-Learning et SARSA), en particulier la construction du Q-Learning profond et de ses variantes. 6\. Architectures Q-Learning profondes et architectures acteur-critique Nous nous concentrerons sur les architectures pour le Q-Learning profond et ses variantes (par exemple, avec rejeu d'expériences priorisé), et leur rôle dans les architectures acteur-critique modernes, DDPG, etc. 7\. Thèmes d'optimisation Nous examinerons les différentes approches de développement d'agents autonomes, notamment en tant que problèmes d'optimisation (stochastique, multi-objectif, multimodal, contraint, dynamique, etc.). Ce cours se concentrera plus particulièrement sur les méthodes d'optimisation dynamique utilisables dans la recherche directe de politiques, telles que les méthodes évolutionnaires. En guise de prolongement, et si le temps le permet, nous aborderons également les problèmes multi-objectifs et d'autres méthodes avancées. 8\. et 9. Architectures avancées pour agents autonomes Ayant acquis de solides bases et compte tenu de l'évolution rapide de ce domaine, nous consacrons du temps à l'exploration des méthodes et applications émergentes en apprentissage par renforcement, ainsi qu'aux défis concrets tels que la sécurité et la transférabilité. Nous explorons également des méthodes connexes telles que l'apprentissage par imitation, l'apprentissage par renforcement inverse, et l'apprentissage par renforcement hors ligne et basé sur des modèles, et apprentissage par renforcement distributionnel.

Mots clés

apprentissage par renforcement, agents autonomes, prise de décision probabiliste, agents intelligents, prise de décision séquentielle