🎯 Суть проекта Это эксперимент по обучению с подкреплением (Reinforcement Learning, RL), где агент учится играть в крестики-нолики (Tic-Tac-Toe) без использования нейронных сетей. Основная цель — продемонстрировать, как классические методы RL справляются с простыми играми.
🔥 Чем интересен? Минимализм и простота ▪ Весь код написан на чистом C (~400 строк). ▪ Нет зависимостей — только стандартная библиотека. ▪ Идеален для изучения основ RL «с нуля».
Классический подход к RL ▪ Используется метод Temporal Difference (TD) Learnin ▪ Агент обучается через игру (self-play) и обновляет стратегию на основе наград.
Образовательная ценность ▪ Понятная визуализация процесса обучения (таблицы Q-значений). ▪ Пример того, как простая задача помогает понять фундамент RL.
Эффективность ▪ После обучения агент играет почти оптимально, избегая поражений. ▪ Код легко модифицировать для экспериментов (например, изменить размер доски).
📊 Как это работает? Q-таблица хранит «ценность» каждого действия в конкретном состоянии.
Агент выбирает ход на основе текущих Q-значений (с добавлением случайности для исследования).
P.S. Если вы думаете, что RL — это только про AlphaGo и Dota 2, этот проект покажет, что даже в простых задачах есть глубина!🧠
🎯 Суть проекта Это эксперимент по обучению с подкреплением (Reinforcement Learning, RL), где агент учится играть в крестики-нолики (Tic-Tac-Toe) без использования нейронных сетей. Основная цель — продемонстрировать, как классические методы RL справляются с простыми играми.
🔥 Чем интересен? Минимализм и простота ▪ Весь код написан на чистом C (~400 строк). ▪ Нет зависимостей — только стандартная библиотека. ▪ Идеален для изучения основ RL «с нуля».
Классический подход к RL ▪ Используется метод Temporal Difference (TD) Learnin ▪ Агент обучается через игру (self-play) и обновляет стратегию на основе наград.
Образовательная ценность ▪ Понятная визуализация процесса обучения (таблицы Q-значений). ▪ Пример того, как простая задача помогает понять фундамент RL.
Эффективность ▪ После обучения агент играет почти оптимально, избегая поражений. ▪ Код легко модифицировать для экспериментов (например, изменить размер доски).
📊 Как это работает? Q-таблица хранит «ценность» каждого действия в конкретном состоянии.
Агент выбирает ход на основе текущих Q-значений (с добавлением случайности для исследования).
P.S. Если вы думаете, что RL — это только про AlphaGo и Dota 2, этот проект покажет, что даже в простых задачах есть глубина!🧠
Durov said on his Telegram channel today that the two and a half year blockchain and crypto project has been put to sleep. Ironically, after leaving Russia because the government wanted his encryption keys to his social media firm, Durov’s cryptocurrency idea lost steam because of a U.S. court. “The technology we created allowed for an open, free, decentralized exchange of value and ideas. TON had the potential to revolutionize how people store and transfer funds and information,” he wrote on his channel. “Unfortunately, a U.S. court stopped TON from happening.”
Among the actives, Ascendas REIT sank 0.64 percent, while CapitaLand Integrated Commercial Trust plummeted 1.42 percent, City Developments plunged 1.12 percent, Dairy Farm International tumbled 0.86 percent, DBS Group skidded 0.68 percent, Genting Singapore retreated 0.67 percent, Hongkong Land climbed 1.30 percent, Mapletree Commercial Trust lost 0.47 percent, Mapletree Logistics Trust tanked 0.95 percent, Oversea-Chinese Banking Corporation dropped 0.61 percent, SATS rose 0.24 percent, SembCorp Industries shed 0.54 percent, Singapore Airlines surrendered 0.79 percent, Singapore Exchange slid 0.30 percent, Singapore Press Holdings declined 1.03 percent, Singapore Technologies Engineering dipped 0.26 percent, SingTel advanced 0.81 percent, United Overseas Bank fell 0.39 percent, Wilmar International eased 0.24 percent, Yangzijiang Shipbuilding jumped 1.42 percent and Keppel Corp, Thai Beverage, CapitaLand and Comfort DelGro were unchanged.
