タグ: ε-greedy

NumPyだけで作る強化学習エージェント：Q学習を「コードから逆引き」で完全理解する実装ハンズオン

PyTorch不要！NumPyだけでQ学習エージェントをスクラッチ実装。ベルマン方程式・Qテーブル・ε-greedy戦略をコードと1対1で完全理解。RLHF理解にも直結する強化学習の本質を学ぶ実践ハンズオン。