https://courses.digitable.life/tags/policy-gradient/ Recent content in Policy Gradient 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.