Modul ini membuka jalur reinforcement learning dengan menetapkan apa yang membedakan paradigma ini dari pembelajaran terawasi, yaitu belajar dari interaksi dan reward alih-alih dari pasangan data berlabel. Empat topik di dalamnya menyusun posisi reinforcement learning di antara paradigma pembelajaran mesin, memetakan fondasi machine-learning dan deep-learning yang diasumsikan, lalu menyiapkan lingkungan Gymnasium dan PyTorch yang dipakai sepanjang jalur. Setelah modul ini selesai, papan kerja siap untuk masuk ke siklus agen-lingkungan secara formal.
Mengenal Reinforcement Learning
Modul pembuka: apa itu reinforcement learning, posisinya di dalam pembelajaran mesin, prasyarat yang diasumsikan, dan penyiapan lingkungan Gymnasium serta PyTorch.
0/0 selesai
- Apa itu reinforcement learning ?
Pembelajaran dari interaksi dan reward, bukan dari data berlabel.
- Di mana reinforcement learning berada
Perbandingan dengan ML terawasi serta ranah permainan, robotika, sistem rekomendasi, dan RLHF.
- Peta prasyarat
Fondasi machine-learning dan deep-learning yang diasumsikan serta petunjuk matematika.
- Penyiapan lingkungan
Instalasi Gymnasium dan PyTorch lalu uji asap dengan agen acak.