RL इतनी आसान? 60s में समझो! इस शॉर्ट में मिलेंगे: हुक → विज़ुअल्स → CTA। एक मिनट में Reinforcement Learning (RL) का पूरा खोल — एजेंट, एनवायरनमेंट, एक्शन, रिवॉर्ड और पॉलिसी को तेज़ और क्लियर विज़ुअल्स के साथ समझाया गया। तुरंत समझें Q-learning, Deep RL और क - video Dailymotion

Uploaded: 2025-11-19T13:12:31+00:00
Duration: 1 min 27 s
Channel: user1994

user1994

RL इतनी आसान? 60s में समझो! इस शॉर्ट में मिलेंगे: हुक → विज़ुअल्स → CTA। एक मिनट में Reinforcement Learning (RL) का पूरा खोल — एजेंट, एनवायरनमेंट, एक्शन, रिवॉर्ड और पॉलिसी को तेज़ और क्लियर विज़ुअल्स के साथ समझाया गया। तुरंत समझें Q-learning, Deep RL और कैसे एजेंट सीखता है trial-and-error से। मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस सीख रहे हैं? यह वीडियो आपके लिए परफेक्ट फास्ट बाइट है। अगर आपको यह क्लियर और उपयोगी लगा हो तो वीडियो को लाइक और शेयर करें — दोस्तों के साथ भी भेजें! और कमेंट में बताइए किस RL टॉपिक पर डीटेल वाला वीडियो चाहिए। #ReinforcementLearning #RL #MachineLearning #DeepRL #Shorts #AI

Transcript

00:00आरेल इतनी आसान?

00:0160s में समझो

00:02सोचो, एक digital पेट को train करना है

00:06जब वो कुछ सही करता है

00:07आप उसे reward करते हो

00:09और जब वो fail होता है

00:10तो ignore करते हो

00:12यही आरेल है

00:13reinforcement learning के 3 core players है

00:16agent environment reward agent learner है

00:19वो actions लेता है

00:21environment उसके आसपास सब कुछ है

00:24states change होती है

00:25जब agent act करता है

00:27reward एक signal है

00:28positive अगर action ने help किया

00:31negative अगर उसने harm किया

00:33साथ मिलकर वे एक loop बनाते हैं

00:36agent एक state observe करता है

00:38अपनी policy का इस्तिमाल करके

00:40एक action चुनता है

00:41एक reward receive करता है

00:43और अगली बार बहतर होने के लिए

00:45policy update करता है

00:47policy बस agent की strategy है

00:50states को actions से map करना

00:52value estimates और Q values

00:55agent को बताते हैं कि actions

00:57long term में कितने अच्छे हैं

00:59सिर्फ तुरंत नहीं

01:00training methods

01:02model free methods हैं

01:04जैसे Q learning policy gradients

01:06model based methods

01:08जो environment को predict करने की

01:09कोशिश करते हैं

01:10in short act करो

01:12feedback लो

01:13सीखो

01:14repeat करो

01:15ऐसे ही agents

01:16random moves से

01:18smart strategies तक पहुँचते हैं

01:20deep dive चाहिए

01:21follow करो

01:23और मैं next एक algorithm

01:25unpack करूंगा

Category

Transcript

Be the first to comment

Recommended