強化学習のコーディングチャレンジ

3 問のコーディングチャレンジで強化学習を練習しましょう。難易度はやさしいものから難しいものまで。どれもブラウザで動き、すぐにテストでき、AI のレビューやコミュニティの解答と比べられます。

簡単 · 1 中級 · 2

練習できるスキル: Q 学習バンディットベルマン方程式マルコフ決定過程割引報酬探索と活用
  • Python · C++ · C#
  • 自動テスト
  • AIコードレビュー
  • コミュニティの解答
226
チャレンジ数
2
共有された解答
3
対応言語

すべてのチャレンジ

トピック、言語、難易度で検索できます。

3件のチャレンジ
中級

価値反復法

ベルマン最適方程式による更新を繰り返し、マルコフ決定過程の各状態の価値を計算します。

学べること ベルマン方程式マルコフ決定過程
強化学習ai機械学習
まだ解答がありません
簡単

ε-greedy による多腕バンディット

ε-greedy な行動選択で、多腕バンディットの探索と活用のバランスを取ります。

学べること 探索と活用バンディット
強化学習ai機械学習
まだ解答がありません
中級

Q 学習の更新

経験の列に Q 学習の更新を適用し、報酬が前の状態へさかのぼって伝わる様子を見ます。

学べること Q 学習割引報酬
強化学習ai機械学習
まだ解答がありません