Курс Deep Reinforcement Learning 2023: https://ods.ai/tracks/drlcourse23 Сезон курсов :https://ods.ai/events/course_season_autumn_23 В шестой лекции: Рассматриваются MDP с бесконечным пространством действий Обсуждается Policy Gradient теоремы Выводятся алгоритмы Reinforce, A2C и PPO Автор курса: Антон Плаксин, исследователь в группе Yandex.Research и доцент Уральского федерального университета. Наши соц.сети: Telegram: https://t.me/datafest Вконтакте: https://vk.com/datafest Канал с вакансиями в telegram: https://t.me/odsjobs Канал с апдейтами по курсам: https://t.me/odscourses Как попасть в чат сообщества ODS Mattermost: https://ods.ai/tracks/mattermost