Im Kern dieser Vorlesung steht das Bestärkende Lernen als eine der drei wichtigen Säulen des Maschinellen Lernens. Dabei nutzen Maschinen Feedback, das sie auf ihre Aktionen von der Umwelt erhalten, um die Erfolgsaussichten der einzelnen Aktionen in den verschiedenen Situationen besser einschätzen zu lernen. Das Feedback erhält die Maschine in Form eines mathematischen Äquivalents zu "Belohnung" und "Tadel", wenn sie ihr Ziel erreicht oder verfehlt hat. Sie soll lernen, welche Aktionen sie jeweils auswählen soll, um das Feedback, sprich die Nutzenfunktion, zu maximieren.

Folgende Themen werden hierbei besprochen und teils in Teamarbeit praktisch umgesetzt:

• Markow-Entscheidungsprozess oder MDP für Markov decision process
• Fixpunktsatz von Banach und Optimalitätsprinzip von Bellman (Bellman Equations)
• Policy Iteration
• Value Iteration
• Q-Learning
• Temporal Difference Learning (TD-Learning)
•  Policy Gradient Methods