Факультативный курс «Обучение с подкреплением»
МФТИ — Московский физико-технический институт ·
Обучение с подкреплением (Reinforcement Learning, RL) — один из подходов к разработке систем искусственного интеллекта, предназначенный для обучения агентов последовательному принятию решений. В отличие от классического обучения с учителем, в RL агент взаимодействует со средой методом проб и ошибок и постепенно учится такой стратегии поведения, которая максимизирует получаемую им награду. Обучение с подкреплением используется для решения практических задач в самых разных областях: Управление дата-центрами: RL применяется для автономного управления системами охлаждения. Проектирование микросхем: методы RL используются для автоматизации размещения компонентов при проектировании современных чипов. Управление плазмой: алгоритмы RL применялись для управления плазмой в токамаке в экспериментах по управляемому термоядерному синтезу. Транспортные системы: RL используется для управления светофорами и оптимизации транспортных потоков в условиях высокой загрузки. Нефтепереработка: RL был внедрён в полномасштабную промышленную систему управления давлением на установке переработки нефти. Курс даёт систематическое введение в обучение с подкреплением — от математического формализма марковских процессов принятия решений и методов динамического программирования до современных алгоритмов RL. С программой курса можно ознакомиться по ссылке в разделе «Факультативные курсы». Курс предназначен для студентов 3 и 4 курсов бакалавриата МФТИ и читается в осеннем семестре. Предполагается, что слушатель имеет базовые знания в области теории вероятностей, машинного обучения и языка Python. Запись на факультативный курс доступна в личном кабинете студента в разделе курсов кафедры теоретической механики. Лекции будут читаться по средам в аудитории 107 Био, начало в 17:05. Ближайшая лекция пройдёт 9 сентября. Вся информация о курсе будет публиковаться в tg-канале: @rl_course По вопросам, связанным с курсом: sakharov.av@phystech.edu Проект является победителем конкурса Фонда целевого капитала МФТИ «Обратная перспектива-2026»
Обучение с подкреплением (Reinforcement Learning, RL) — один из подходов к разработке систем искусственного интеллекта, предназначенный для обучения агентов последовательному принятию решений. В отличие от классического обучения с учителем, в RL агент взаимодействует со средой методом проб и ошибок и постепенно учится такой стратегии поведения, которая максимизирует получаемую им награду. Обучение с подкреплением используется для решения практических задач в самых разных областях: Управление дата-центрами: RL применяется для автономного управления системами охлаждения. Проектирование микросхем: методы RL используются для автоматизации размещения компонентов при проектировании современных чипов. Управление плазмой: алгоритмы RL применялись для управления плазмой в токамаке в экспериментах по управляемому термоядерному синтезу. Транспортные системы: RL используется для управления светофорами и оптимизации транспортных потоков в условиях высокой загрузки. Нефтепереработка: RL был внедрён в полномасштабную промышленную систему управления давлением на установке переработки нефти. Курс даёт систематическое введение в обучение с подкреплением — от математического формализма марковских процессов принятия решений и методов динамического программирования до современных алгоритмов RL. С программой курса можно ознакомиться по ссылке в разделе «Факультативные курсы». Курс предназначен для студентов 3 и 4 курсов бакалавриата МФТИ и читается в осеннем семестре. Предполагается, что слушатель имеет базовые знания в области теории вероятностей, машинного обучения и языка Python. Запись на факультативный курс доступна в личном кабинете студента в разделе курсов кафедры теоретической механики. Лекции будут читаться по средам в аудитории 107 Био, начало в 17:05. Ближайшая лекция пройдёт 9 сентября. Вся информация о курсе будет публиковаться в tg-канале: @rl_course По вопросам, связанным с курсом: sakharov.av@phystech.edu Проект является победителем конкурса Фонда целевого капитала МФТИ «Обратная перспектива-2026»