贾斯汀勃兰登堡

发现政策导致优化的结果为一个组织的决策者在一个组织面临的最困难的挑战。原因是政策并不是在一个世界与完全信息和市场处于平衡状态。这些都是复杂的系统,系统中实体的行为通常是动态和不确定。强化学习(RL)已经得到普及的建模复杂的行为来确定最优策略。RL地图状态或情况下行动为了最大化一些结果或奖赏。马尔可夫决策过程(MDP) RL方法论的核心组成部分。马尔可夫链是一个概率模型,使用当前状态来预测下一个状态。

本课程探讨使用PySpark规模MDP的示例问题。当模拟复杂的系统,它可以非常具有挑战性的扩展到大量的代理商,由于大量的处理需要在内存中执行的每个代理经过排列。PySpark允许我们利用火花的分布式数据处理和Python定义代理的状态和行为。