Karar Verme İçin Dinamik Programlama ve Stokastik Kontrole Giriş

Gerçek dünya problemlerinin çoğu, sonuçların belirsiz olduğu, zaman içinde bir dizi karar vermeyi içerir. Her kararın mümkün olan en iyi uzun vadeli sonuca yol açmasını nasıl sağlayabilirsiniz? Bu kurs, bu zorluklara yaklaşmanız için size sağlam bir çerçeve sunacak ve sizi karmaşık sıralı kararlarla boğuşan birinden, optimal kontrol politikalarını sistematik olarak tasarlayabilen bir bireye dönüştürecektir. Neler öğreneceksiniz: Dinamik programlama ve stokastik süreçlerin temel kavramlarını anlayın. Sıralı karar problemlerini çözmek için Bellman'ın optimallik ilkesini uygulayın. Hem sonlu hem de sonsuz ufuk senaryoları için optimal kontrol problemlerini formüle edin. Değer iterasyonu (value iteration) ve politika iterasyonu (policy iteration) yöntemlerini kullanarak problem çözme pratiği yapın. Stokastik kontrolde büyük ölçekli durum uzayları için yaklaştırma tekniklerini keşfedin. Dinamik programlamanın modern pekiştirmeli öğrenme (reinforcement learning) algoritmalarının temelini nasıl oluşturduğunu öğrenin. Belirsizliği hesaba katan ve uzun vadeli sonuçları optimize eden karar verme politikaları tasarlayın. Kurs, temel tanımlarla başlar ve çeşitli problem formülasyonlarını ve çözüm algoritmalarını kapsayan deterministik ve stokastik dinamik programlama ile ilerler. Daha sonra, daha büyük, daha karmaşık sistemleri ele alma yöntemlerini keşfedecek ve bu tekniklerin daha geniş etkilerini anlayacaksınız. Bu kurs, dinamik programlama veya stokastik kontrol konusunda önceden deneyimi olmayan yeni başlayanlar için tasarlanmıştır. Temel kalkülüs ve olasılığın ötesinde ileri düzey matematik bilgisi gerekmemektedir. Belirsizlik altında optimal karar vermede ustalaşma yolculuğunuza bugün başlayın.