Этот пост представляет собой резюме лекции 1 Deep RL Bootcamp 2017 в Калифорнийском университете в Беркли. Все рисунки, уравнения и текст взяты из слайдов лекций и видеороликов, доступных здесь . Проблемы RL моделируются как Марковские процессы принятия решений (MDP). В MDP есть агент, который взаимодействует с окружающей средой. Агент может наблюдать за состоянием ( s_t ) и вознаграждением ( r_t) , а также выполнять действие ( a_t) . В результате его действия среда изменится на..