強化学習の要素を理解する

各選択肢の技術が何を入力として何を出力するかを整理し、問題の要件と照合する。

エージェントは状態を観測し、行動を選び、報酬を得る

この用語の目的、入力、出力、制約を確認する。

報酬は望ましい行動を増やす方向のフィードバックとして使われる

この用語の目的、入力、出力、制約を確認する。

強化学習は正解ラベルを一件ずつ与える教師あり学習と同じである

この用語の目的、入力、出力、制約を確認する。

報酬を常に最大にするため将来の影響を無視する

この用語の目的、入力、出力、制約を確認する。