Обучение с подкреплением (ИИ24, 7 модуль)
О курсе
Занятия проводятся в Zoom по субботам с 13:00 МСК
Контакты
Чат курса в TG: [[1]]
Преподаватель: Сергей Лактионов, Вячеслав Бучков
| Ассистент | Контакты |
|---|---|
Материалы курса
Ссылка на плейлист курса на YouTube: [YouTube-playlist]
Ссылка на плейлист курса в VKVideo: [VKVideo-playlist]
Ссылка на GitHub с материалами курса: [GitHub repository]
| Занятие | Тема | Дата | Дополнительные материалы |
|---|---|---|---|
| 1 [YouTube] [VKVideo] | Intro to RL, Dynamic Programming | 10/01/2026 | |
| 2 [YouTube] [VKVideo] | Model-Free Tabular RL: Q-Learning, SARSA | 17/01/2026 | |
| 3 [YouTube] [VKVideo] | Intro to Deep RL: DQN, RAINBOW and beyond | 24/01/2026 | |
| 4 [YouTube] [VKVideo] | Policy-Based Methods: Policy Gradient, REINFORCE, A2C | 31/01/2026 | |
| 5 [YouTube] [VKVideo] | Advanced Policy-Based: TRPO, PPO and beyond | 07/02/2026 | |
| 6 YouTube VKVideo | Continuous Control: DDPG, SAC and beyond | 14/02/2026 | |
| 7 YouTube VKVideo | Offline RL | 21/02/2026 | |
| 8 YouTube VKVideo | Multi-Armed Bandits | 28/02/2026 | |
| 9 YouTube VKVideo | Model-based RL: AlphaZero and friends | 07/03/2026 | |
| 10 YouTube VKVideo | RL in a context of LLMs | 14/03/2026 | |
| 11 YouTube VKVideo | Practical RL | 21/03/2026 |
Формула оценивания
Оценка = МИН(10, 10*(0.65*HW + 0.10*TA + 0.25*RC)), где
- HW - сумма баллов за (как минимум) 5 ДЗ;
- RC - оценка за презентацию статьи, посвященной новым алгоритмам или неожиданным применениям RL-парадигмы в индустрии;
- TA - сумма баллов за еженедельные квизы (суммарно 10 квизов).
Для каждого домашнего задания есть мягкий дедлайн, сдача после которого в течение недели до жёсткого дедлайна оценивается со штрафом 5% от оценки за ДЗ за каждый день просрочки.