|Algorithmes de Reinforcement Learning : Q-Learning, SARSA, etc <br>Deep reinforcement Learning : pour passer à des espaces à hautes dimensionnalités via des fonctions d'approximation - DQN - DDQN - Dueling-DDQN - Policy Gradient, etc. <br>Cas d'usage et résultats<br>Exemples proposés : DQN from Scratch, DRL Baselines Zoo et vidéos d'illustration :-)<br><br>[<img width="600" src="uploads/228e1fb158f5ff9dd2eef6b1bb7370ee/RL.png">](#)<br>Durée : 2h30|
|Interprétabilité, reproductibilité et biais, Cadre légal, Privacy. <br>Session interactive : <br> - Où en est l’encadrement légal de l’I.A. ? <br> - Peut-on garantir que nos données restent anonymes ? <br> - Peut on détecter des biais de discrimination ou expliquer pourquoi un réseau de neurone prend une décision spécifique ?<br>[<img width="500" src="uploads/12c788956b97150b9e5b7e4f6fd6b544/Orwell.png">](#)|
|Durée : 2h - Les paramètres de diffusion seront précisés la veille|
Les **séquences précédentes** sont disponibles sur notre **[chaine YouTube](https://fidle.cnrs.fr/youtube)**