Apprentissage automatique orienté agent

Cette page est celle de l'UE MMD3E13 du master informatique 2 pour l'année 2018/2019. Cette UE fait partie du tronc commun des parcours IAD et Apprentissage du M2. L'objectif de l'UE est l'apprentissage orienté agent: apprentissage par renforcement mono-agent et apprentissage multi-agent. Plan.

• Séance 1a: Apprentissage par renforcement (1a) [ en francais, in English] (introduction, exploration vs exploitation), fichiers C du multi-armed bandit problem,

• Séance 1b: Apprentissage par renforcement (1b) [ en francais, in English] (le problème, les Processus Décisionnels de Markov).

• Séance 2: Apprentissage par renforcement (2) [ en francais, in English] (la programmation dynamique, fonction de valeurs V et Q, Value Iteration), fichiers C.

• Séance 3: Apprentissage par renforcement (3) [ en francais, in English] (Monte Carlo, TD-learning, Q-learning, SARSA), fichiers C, CMU RL simulator en Java, La sorciere en Java (Univ du Littoral).

• Séance 3 bis: Apprentissage par renforcement avec approximation des fonctions V et Q avec un réseau de neurones (3 bis) (TD-learning bis, Q-learning bis).

• Séance 4: Apprentissage multi-agent et jeux matriciels répétés,

• Séance 5: Apprentissage multi-agent et jeu proie-prédateurs.

• Séance 6: Apprentissage et recherche arborescente: Minimax, Alfa-Béta, Monte-Carlo Tree Search.

Dernière mise à jour: 3 octobre 2018.