Skip to main content

強化学習

Less than 1 minute

強化学習

機械学習の一分野。

CS234: Reinforcement Learning Winter 2026が原論文から解き明かす生成AIで勧められていたのでやってみたい。 1月5日から、となっているが、youtubeで2024年の動画が見れるっぽいので、これでいいかな。

全部で16動画か。一日1〜2動画で2週間くらいでやりたいな。

Introduction 2026-10-18 (日)

Stanford CS234 Reinforcement Learning I Introduction to Reinforcement Learning I 2024 I Lecture 1 - YouTube

  • ramification: 分岐、予期しない結果。longer termi ramificationsで長期的な影響、みたいな意味になるらしい。
  • MDP: Markov Decision Problem
    • POMDP: Partially observableなMDP

内容

Tabular MDPのポリシー 2026-10-19 (月)

Stanford CS234 Reinforcement Learning I Tabular MDP Planning I 2024 I Lecture 2 - YouTube

Model Free Policy Evaluation 2026-10-20 (火)

Stanford CS234 Reinforcement Learning I Policy Evaluation I 2024 I Lecture 3 - YouTube

dynamicsとrewardsに関するmodelを知らない状態でのpolicy evaluation。