Vergangenheit, Gegenwart und Zukunft von (Deep) Reinforcement Learning

Anfangs noch eher theoretischer Natur erfreut sich das bestärkende Lernen nun wachsender Beliebtheit und bedient Problemstellungen, für die andere Verfahren weniger gut geeignet sind. Insbesondere wenn es darum geht, eine optimale Strategie zur Umsetzung einer Aufgabe in einer bestimmten Umgebung zu erlernen, ist Reinforcement Learning das Werkzeug der Wahl. Im Gegensatz zu den anderen ML-Verfahren, ist der sog. Agent in der Lage eine gewisse "Weitsicht" zu entwickeln.
Dieser Vortrag wirft einen Blick auf die Evolution von Reinforcement Learning. Wo liegen die Stärken und Schwächen? Wo wird es heute schon erfolgreich eingesetzt? Wie wird sich RL in Zukunft entwickeln?

Vorkenntnisse

Der Vortrag richtet sich an Entwickler und/oder Data Scientists, die in Reinforcement Learning und Deep Reinforcement Learning einsteigen wollen. Grundwissen im Bereich des Machine Learning ist hilfreich.

Lernziele

Die Zuhörer sollen einen Überblick über Reinforcement Learning kriegen und dabei kennenlernen, wie das Feld sich in den letzten Jahren entwickelt hat und welches Potenzial dem noch innewohnt.