मशीनान अनुवाद केलेलो. इंग्लिश आनी हिंदी रिव्ह्यू केलेल्या आवृत्त्या आसा.English हिन्दी

Learn
See
Try
Make

RL पर्यावरण काय आसा

What this lesson is about

RL म्हनजे इनामाचें सिग्नलाक शिकलें. पाहा कशें एक काम असा जावपाक एक मॉडल स्वतःच प्रॅक्टिस करू शकता, आनी कोणतें काम प्रॅक्टिसाक योग्य न्हय.

एक टीम एक मॉडलाक तीन काम एकलो शिकपाक इच्छुक आसा: तारिख उलटप, सहानुभूतीचें नोट लिहप, अभिवादन निवडप. तुम कितलो निवडता?

Why this matters

ट्रेनिंग फकत तेंचें वाढत जावपाचें जिथें यश माणसाक वाचपाक न लागता ठरवपाचें.

सांगपाक की कोणतें काम असा आसा जें प्रॅक्टिस करपाक एक मॉडल स्वतः चालवू शकता, आनी कशें.

ट्रेनिंग फकत तेंचें वाढत जावपाचें जिथें यश माणसाक वाचपाक न लागता ठरवपाचें.

काम ट्रेनिंगलायक तेंव्हां जेंव्हा एक नियम माणसाक वाचपाक न लागता त्याचें स्कोर करू शकता.
काम प्रॅक्टिस म्हणण्यापूर्वी यशाचें चेक लिहा.
सांगपाक की तो आपोआप चालणारा चेक काय न पाहू शकत.

Task

तीन शक्य काम: तारीख बदलप, सहानुभूतीचो मेसेज, नम्र अभिवादन.

Weak approach तीनू काम वाचून विचार करतात की कोणतें लोकांक सगळें फायदें करपाक जास्त उपकारक आसतलें. शोक संदेश निवडून ताका एक छोटी योजना लिहितात. अशें कोणतेंही नियम लिहिलें नाय जें त्या संदेशांक गुण देवपाचें, मुळें वाचकाशिवाय सराव करप शकतलो नाय.

Stronger approach तारीख बदलप निवडता, तुलना करपाक नेमकें नियम लिहता, आनी नोंद करता की तो नियम टोनाक कितेंही सांगत न्हय.

Why the stronger approach works महत्त्वाचें असणें काम ट्रेनिंगलायक करत न्हय. स्वस्त आनी पुन्हा पुन्हा चालू शकणारा चेक करत.

Try a changed situation एक ट्रेनिंग सेंटर आता स्वतःच्या विद्यार्थ्यांक रोज प्रॅक्टिस दितलो, मॉडलाक न्हय. कोणतें नियम अजून लागू आसा?

Make something yourself तुमच्या कामाक वा अभ्यासाक एक काम निवडा. लिहा इनपुट, नेमकें नियम जें माणसाक वाचपाक न लागता यश ठरवता, आनी एक गोष्ट जें तो नियम पाहू शकत न्हय.

Read the primary or official source: Towers et al., Gymnasium: A Standard Interface for Reinforcement Learning Environments (arXiv)