Reinforcement Learning

In deze hands-on module bestuderen en implementeren we Reinforcement Learning en Deep Reinforcement Learning systemen. In plaats van te leren uit data gaan deze zelflerende systemen aan de hand van trial & error een optimale strategie zoeken die hen een maximale reward oplevert. Deze (Deep) Reinforcement Leerstrategieën vinden vooral toepassingen bij zelflerende robots, optimalisatie van industriële processen, computer games, self-driving cars en gepersonaliseerde aanbevelingen. Aanvullend gaan we dieper in op een aantal populaire optimalisatie- en simulatietechnieken die de performantie van jouw gebruikte leeralgoritme gevoelig kunnen verbeteren.