FORMATIONS |
Fiche détaillée d'un cours
Apprentissage par renforcement | |||
2023-2024 | FrECOLE DU NUMERIQUE
(
EDN
)
| ||
Code Cours : | 2324-EDN-COMP-FR-5016 |
Niveau | Année de formation | Période | Langue d'enseignement |
---|---|---|---|
S4 | FrFrançais |
Professeur(s) responsable(s) | Abir KARAMI |
---|---|
Intervenant(s) | Pas d'autre intervenant |
- Ce cours apparaît dans les formations suivantes :
- Ecole Du Numérique (EDN) - Master 2 Data & Intelligence Artificielle - S4 - 3 ECTS
Pré requis
Introduction à l’Intelligence artificielle et l’apprentissage automatique
Objectifs du cours
Ce cours fournie les bases théoriques pour comprendre l’apprentissage par renforcement avec des exemples applicatifs.
Contenu du cours
- Introduction, terminologies et motivation sur des solutions d’apprentissage par renforcement
- Les agents décisionnels et la prise de décisions : les Processus Décisionnels de Markov, la fonction de valeurs, la programmation dynamique, l’équation de Bellman
- Concepts autour des méthodes d'apprentissage par renforcement et leurs politiques : model base, model free, on policy, off policy, compromis exploitation exploration, solutions optimales et sous-optimales
- L'algorithme de Q Learning
- L'algorithme de Monte-Carlo
- Le Fleau de la dimension : taille de problème, nombre de visites vs taille tableaux de valeurs, panorama de solutions existantes pour diminuer la complexité (apprentissage guidé par des heuristiques, bénéficier d'une structure sous-jacente ...)
- Conclusion sur les avantages et inconvénients des solutions d'apprentissage par renforcement
- Panorama de cadres applicatifs et leurs spécificités avec un focus sur un cadre applicatif robotique via The Construct : une plateforme robotique basé sur la simulation de plusieurs types de robots (turtle, bras, bb8, …). Des licences de 4 mois serons offerts aux étudiants pour pratiquer la mise en place et l’évaluation de différents algorithmes d’apprentissage par renforcement sur des robots via le simulateur.
Modalités d'enseignement
Organisation du cours
24H cours
Méthodes pédagogiques
Évaluation
Bibliographie
Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction. MIT press.||
[2] Russell, S. J. (2010). Artificial intelligence a modern approach. Pearson Education,
Ressources internet
- https://fr.wikipedia.org/wiki/Apprentissage_par_renforcement
- Artificial intelligence a modern approach
- Reinforcement learning: An introduction
- cours vidéos en anglais :
- https://www.youtube.com/@PieterAbbeel/videos
- https://www.youtube.com/playlist?list=PLoROMvodv4rOSOPzutgyCTapiGlY2Nd8u
* Informations non contractuelles et pouvant être soumises à modification