Reinforcement Learning praktisch angewendet – Zuckerbrot und Peitsche

In vielen Bereichen liefern die Methoden aus dem Deep Learning gute Ergebnisse. Es existieren jedoch viele weitere Aufgabenstellungen, für die keine historischen und vorbereiteten Trainingsdaten existieren, die man für die Trainingsmethoden zwingend braucht.

Reinforcement Learning und simulierte Evolution bieten neue und innovative Ansätze, um KI-Techniken auf neue Probleme zu übertragen. Durch Belohnung und Bestrafung "motivieren" Sie eine KI, effiziente und innovative Lösungen zu finden und sich erfolgreich zu verhalten.

Dieser Vortrag zeigt die Konzeption und Umsetzung von Reinforcement Learning an praktischen und kurzweiligen Beispielen und Live-Coding mit Java und Python.

Vorkenntnisse

Grundlegende Programmierkenntnisse

Lernziele

* Was ist Reinforcement Learning (RL)?
* Wo liegt die Abgrenzung zu Supervised Learning (SL)?
* Welche Aufgabenstellungen können besser mit RL gelöst werden?