2017年に UC Berkeleyで開催されたDeep RL Bootcampの動画を見たのでそれをまとめていこうと思う． sites.google.com 強化学習とは MDPと呼ばれる問題設定において，方策と呼ばれる行動指針を学習するアルゴリズム． ある環境内におけるエージェントが、現在…