⚠️ このページは機械翻訳されています
この日本語訳は機械翻訳によるもので、誤りや不自然な表現が含まれている場合があります。正確な内容については英語版をご参照ください。
This page was machine-translated and may contain errors. Please refer to the English version for accuracy.
誤りを見つけられた場合は、joseph.austerweil@gmail.com までご連絡いただくか、GitHub リポジトリにプルリクエストをお送りください。
意思決定と強化学習
**Chibanyが行動を学ぶ。**信じるだけでは足りません。秋になり健康志向が始まると、 すべての信念は選択として現金化されなければなりません。このPartは信念から行動 へ——損失と意思決定、時間をまたぐ計画（MDP）、地図なしで行動を学ぶこと （Q学習）、そして大逆転：他者の行動を観察してその目標を推論すること（逆強化 学習・心の理論）、世界そのものが隠れているときの行動（POMDPとタイガー問題）、 さらにこれらのアイデアが今日の最大級のモデルを訓練する現代のフロンティアへと 進みます。
章一覧
本プロジェクトは日本確率計算コンソーシアム協会（JPCCA）の助成を受けています。