Deep Reinforcement Learning สำหรับคนลาว
สอนคอมพิวเตอร์ให้เรียนรู้ด้วยการลองผิดลองถูก ตั้งแต่พื้นฐาน MDP จนถึง DQN, PPO และ SAC 13 บท พร้อมสูตร ตาราง และโค้ด Python ที่รันได้จริง
- 13
- บทเรียน
- 10
- โค้ดตัวอย่าง
- 5
- ภาค
- ขั้นสูง
- ระดับ
เกี่ยวกับซีรีส์นี้: เนื้อหาสรุปและอธิบายใหม่ ตามลำดับบทของหนังสือ Grokking Deep Reinforcement Learning ของ Miguel Morales (Manning, 2020) คำอธิบายและโค้ดทั้งหมดเขียนขึ้นใหม่ ไม่ได้คัดลอกจากหนังสือ ก่อนรันโค้ดให้ติดตั้ง: pip install numpy gymnasium torch
ภาค 1 · พื้นฐาน
ภาค 2 · RL แบบตาราง
ชั่งเป้าหมายระยะสั้นและระยะยาว
Policy, value function และการวางแผนเมื่อรู้ MDP
อ่านบทนี้ บทที่ 04 · RL แบบตารางชั่งการสำรวจและการใช้ประโยชน์
ตู้สล็อตหลายตู้ เลือกตู้ไหนดี?
อ่านบทนี้ บทที่ 05 · RL แบบตารางประเมินพฤติกรรมของ agent
TD และ Monte Carlo: ประมาณค่าของ policy จากประสบการณ์
อ่านบทนี้ บทที่ 06 · RL แบบตารางปรับปรุงพฤติกรรมของ agent
SARSA, Q-learning และ Double Q-learning
อ่านบทนี้ บทที่ 07 · RL แบบตารางบรรลุเป้าหมายได้ดีและเร็วขึ้น
SARSA(λ), Q(λ), Dyna-Q: ใช้ข้อมูลให้คุ้มขึ้น
อ่านบทนี้ภาค 3 · Value-based Deep RL
เริ่มใช้ Neural Network กับ RL
เมื่อตาราง Q ใหญ่เกินไป ใช้ neural network แทน
อ่านบทนี้ บทที่ 09 · Value-based Deep RLDQN และ Double DQN
ทำให้ RL คล้าย supervised learning มากขึ้น
อ่านบทนี้ บทที่ 10 · Value-based Deep RLDueling DDQN และ PER
ออกแบบ network ให้เข้าใจ RL และเลือกประสบการณ์ที่มีค่า
อ่านบทนี้