Третья лекция курса Deep Reinforcement Learning уже доступна к просмотру.
В ней мы поговорим про принцип динамического программирования, рассмотрим понятия v- и q-функций, а также понятия оптимальной политики, выпишем уравнения Белламана и научимся их решать методами Policy Iteration и Value Iteration😎