یادگیری تقویتی چیست و چطور یک عامل بدون داده برچسبخورده، فقط با آزمون و خطا یاد میگیرد؟ در این قسمت عامل، محیط، حالت، عمل، پاداش و سیاست را با قصه پیتر و گرگ میشناسید، معادله بلمن و الگوریتم Q-Learning را میفهمید و یک عامل کوچک را با پایتون از صفر آموزش میدهید.
