Geral
Aprendizado Profundo
Semana 6
0

Questão

A aprendizagem por reforço envolve um agente que aprende a tomar decisões em ambientes complexos, utilizando um sistema de recompensas e penalidades para guiar suas ações. O objetivo é maximizar a recompensa total ao longo do tempo, descobrindo as melhores estratégias por meio de tentativa e erro.

Neste contexto, selecione a alternativa que indica o papel da política de recompensa.
A) A política de recompensa garante que o modelo encontre a solução correta na primeira tentativa.
B) A política de recompensa limita o número de tentativas que o modelo pode realizar para aprender.
C) A política de recompensa estabelece as regras do jogo, mas cabe ao agente descobrir como maximizar a recompensa por conta própria.
D) A política de recompensa dita exatamente quais passos o agente deve seguir para resolver o problema.
E) A política de recompensa serve como guia para definir os parâmetros iniciais do modelo, mas não afeta o processo de aprendizado.
function vote(questaoId, value) { window.location.href = "/accounts/login/?next=/questao/3329/"; return; fetch(`/vote/questao/${questaoId}/`, { method: 'POST', headers: { 'Content-Type': 'application/json', 'X-CSRFToken': 'ePjkd2kzRpGfLpWP19Dn1uQ1QZQ5HygIFbL1mwCcJFte0WAnYB90fEU8zV0pFbJh' }, body: JSON.stringify({ value: value }) }) .then(response => response.json()) .then(data => { if (data.success) { document.getElementById(`score-${questaoId}`).textContent = data.score; const upBtn = document.querySelector(`button[onclick="vote(${questaoId}, 1)"]`); const downBtn = document.querySelector(`button[onclick="vote(${questaoId}, -1)"]`); upBtn.classList.remove('active-up'); downBtn.classList.remove('active-down'); if (data.user_vote === 1) upBtn.classList.add('active-up'); if (data.user_vote === -1) downBtn.classList.add('active-down'); } }); }