Otostopçunun Yapay Zeka Rehberi'nin bu bölümünde pekiştirmeli öğrenmenin doğuşundan günümüzün en ileri yapay zekâ başarılarına uzanan kapsamlı bir yolculuğu ele alıp pekiştirmeli öğrenme nasıl çalışıyor anlamaya çalışıyoruz. Bunu yaparken hayvan deneylerinden otonom sürüş uygulamalarına, matematiksel temellerden oyunlarda elde edilen başarılara kadar uzanan güçlü bir içerik sunuyoruz.

Kaynaklar

www.fbildirici.github.io

• Kitaplar

  • Sutton, R. S. & Barto, A. G. — Reinforcement Learning: An Introduction

  • Li, Yuxi — Deep Reinforcement Learning: An Overview (arXiv, 2017)

• Makaleler

  • Mnih, V. et al. (2015) — “Human-level control through deep reinforcement learning” (Nature)

  • Silver, D. et al. (2016) — “Mastering the game of Go with deep neural networks and tree search” (Nature)

  • Schrittwieser, J. et al. (2020) — “Mastering Atari, Go, Chess and Shogi by planning with a learned model” (Nature)

• Belgeseller & Filmler

  • AlphaGo (2017) —DeepMind’ın Lee Sedol zaferini ve algoritmanın arkasındaki gerçek hikayeleri ele alalım - Netflix

• Videolar & Çevrimiçi Dersler

  • David Silver’in “Deep Reinforcement Learning” dersi (YouTube) — AlphaGo ekibinin RL uzmanından kapsamlı bir eğitim serisi, epey eski ama hala güncel detaylı güzel bir video serisi

  • Andrew Ng’nin “Reinforcement Learning” eğitimi (Coursera / deeplearning.ai)