https://courses.digitable.life/tags/%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5-%D1%81-%D0%BF%D0%BE%D0%B4%D0%BA%D1%80%D0%B5%D0%BF%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5%D0%BC/ Recent content in Обучение С Подкреплением on Digitable courses Hugo ru-RU Sat, 01 Aug 2026 00:12:59 +0300 https://courses.digitable.life/post/machine-learning/14-reinforcement-learning/ Thu, 16 Jul 2026 10:00:00 +0300 https://courses.digitable.life/post/machine-learning/14-reinforcement-learning/ Как обучать агента, который принимает последовательность решений и получает только отложенную награду: марковские процессы, уравнения Беллмана, Q-learning и SARSA, разведка против эксплуатации, DQN и deadly triad, policy gradient и PPO, offline RL и RLHF — с кодом, разбором сходимости и честным списком мест, где RL в проде не нужен.