Google AI Blog: Recursive Classification: Replacing Rewards with Examples in RL
http://ai.googleblog.com/2021/03/recursive-classification-replacing.html

Что мы об этом думаем

Отличная тема, давно такого ждали.

Сегодня, в 14:00 МСК (! разница во времени изменилась на час)

Будет семинар про Model-based Reinforcement Learning, наш гость в этот раз Błażej Osiński из Lyft

einreise.tilda.ws // meet.jit.si/EindhovenReinforcementLearningSeminar

через 5 минут!

а будет запись?

если ютуб не будет бухтеть)
https://www.youtube.com/watch?v=RNAid7isrUs

спасибо!

Часть, где я пересказываю лекции Сергея Левина, я не стал выкладывать, потому что лучше посмотреть оригинал)

спасибо!

👍

Всем привет!
Мы в Armenian Code Academy срочно ищем замену нашему преподавателю по RL. В отличии от многих других школ, наша бизнес модель основана на финансировании студентов компаниями, с последующим наймом, что позволяет большинству студентов нашего курса по ML проходить его бесплатно. Занятия из-за пандемии проходят онлайн, лекции 3 раза в неделю по 2 часа , семинаристов можем предоставить. Уровень студентов достаточно высокий, много олимпиадников, есть люди с PhD (физика, математика), некоторые работают программистами. До этого был достаточно высокий уровень преподавателей, люди уровня senior из Гугла, так же был преподователь из академии.
Суммарно нужно провести 7 лекций. Ищем людей только с опытом преподования.
Примерные темы, но можно варьировать тоже
●Intro to RL
● Markov Decision Processes, dynamic
programming
● Model-free RL: from Monte Carlo to
temporal difference methods
● Policy gradient methods
● RL with function approximation
● Deep RL
Если интересно, был бы рад созвониться и обсудить финансовые и прочие детали. Пишите в личку 🙂
Заранее спасибо!

Всем привет. Кто нибудь знает есть ли какие нибудь модификации для Proximal Policy Optimisation метода, позволяющие ускорить его? асинхронное или распределенной что нибудь?
Или лучшая стратегия это запусти кучу копий с разными сидами и ждать?

Насколько я знаю, PPO параллелится хорошо, смотрите в сторону Distributed PPO, вроде бы так модификация называется

APPO тоже есть

Спасибо. А публичный код какой нибудь качественный не видел?

В RLlib это есть