強化学習について

1. 強化学習の基礎

• バンディット問題について
• マルコフ決定過程 (MDP)について
• 状態価値関数とベルマン方程式
• 方策評価と方策改善

2. 様々な手法

• モンテカルロ法
• TD法
• SARSA
• Q学習
• DQN

3. 方策勾配法

• 方策勾配法
• REINFORCE
• Actor-Critic
• TRPOとPPO

4. 応用例

• カリキュラム学習