Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Pariatur veniam aliquip aliqua dolore consectetur mollit cillum Lorem enim ex non do quis id. Enim deserunt elit duis incididunt exercitation consectetur qui consectetur elit minim sit esse. Ipsum quis veniam cupidatat cupidatat in. Ex fugiat labore minim veniam irure dolor qui. Est ullamco aliqua sit adipisicing consectetur reprehenderit irure eu esse duis adipisicing in pariatur.
Explore la perspective évolutive de la surprise, de la curiosité et de la récompense, en mettant l'accent sur le rôle des signaux de récompense primaires et secondaires.
Couvre les bases de l'apprentissage de renforcement, y compris l'apprentissage d'essai et d'erreur, l'apprentissage Q, le RL profond, et les applications dans le jeu et la planification.
Explore l'apprentissage en apprentissage profond pour les véhicules autonomes, couvrant les modèles prédictifs, RNN, ImageNet, et l'apprentissage de transfert.