Q-Learning
🎯Q-Learning
Model-free, off-policy алгоритм. Q(s, a) = ожидаемая награда за действие a в состоянии s. Bellman equation: Q(s,a) ← Q(s,a) + α[r + γ·max Q(s',a') - Q(s,a)]. α — learning rate, γ — discount factor. ε-greedy exploration. Tabular Q-learning: Q-таблица. Deep Q-Network (DQN): нейросеть вместо таблицы.
📖6 мин чтения📊Уровень 7📅16 апреля 2026 г.
Загрузка карты...
Простыми словами
Q-Learning — это способ понять, как в этой сфере устроены правила, решения и реальные последствия для людей.
Более точно
Q-Learning — предметная область общественного знания, описывающая устойчивые механизмы взаимодействия участников, норм и институтов.
Зачем это нужно
Тема нужна, чтобы принимать более точные решения в контексте раздела «Обучение с подкреплением»: видеть структуру проблемы, ограничения и рабочие инструменты.
Примеры
Практический разбор включает кейсы, сравнение сценариев и проверку результата по понятным критериям.
Частые ошибки
Чаще всего ошибаются из-за упрощения причин, игнорирования контекста и отсутствия проверяемых критериев результата.
Связанные понятия
Q-Learning и DQNPolicy Gradient методыAlphaGo и AlphaZeroPolicy Gradient
❓Часто задаваемые вопросы
Q-Learning — это тема о правилах, механизмах и практиках в своей области. Она помогает понять, как принимаются решения и к каким последствиям они приводят.