RL temellerini öğrenin. Ajanlar, ortamlar, durumlar, eylemler ve ödüller gibi RL kavramlarını keşfedin. RL'in hedeflerini ve diğer makine öğrenme paradigmalarından nasıl farklılaştığını öğrenin.

RL'in temel sorunlarından olan exploration vs exploitation mantığını öğrenin. Uzun vadede modeli daha iyiye götürebilecek keşifler ile hali hazırda sistemle alakalı bilinen bililerin kullanılarak error azaltmanın dengelerini keşfedin. Epsilon greedy , softmax ve Yukarı Güven Sınırı (UCB) gibi dengeyi yönetme stratejilerininde uzmanlaşın.

RL modellerinin çoğunun altında yatan matematiksel temel olan Markov Karar Süreçlerini (MDP) anlayın. MDP'lerin gerçek hayat problemlerini modellemek için nasıl kullanıldığını öğrenin.

MDP'leri çözmek için dinamik programlama tekniklerini keşfedin. Politika yineleme ve değer yineleme algoritmalarını ve bunların deterministik ve stokastik ortamlardaki uygulamalarını öğrenin.

Ortamın modellemesi tam olarak yapılamadığında değer fonksiyonlarını tahmin etmek ve politikaları iyileştirmek için Monte Carlo yöntemlerinin nasıl kullanılabileceğini öğrenin. TÖ'de örneklemenin önemini ve çözümleri yaklaşıklaştırmak için nasıl kullanıldığını anlayın.

SARSA ve Q-Learning gibi zamansal fark (TD) öğrenme yöntemlerinde yetkin hale gelin. Bu yöntemlerin, ortamın bir modeli olmadan doğrudan ham deneyimden öğrenmek için Monte Carlo ve dinamik programlamadan fikirleri nasıl birleştirdiğinin ayrıntılarını öğrenin.

Derin öğrenmenin RL ile entegrasyonunu keşfedin, Deep Q Networks (DQN), politika gradyanı yöntemleri ve aktör-eleştirmen yöntemlerini öğrenin.

Birden fazla ajan aynı anda öğrenirken ortaya çıkan zorlukları ve teknikleri tartışın. Oyun teorisi, Nash dengesi ve işbirlikçi ve rekabetçi ortamlar gibi kavramları anlayın.