[{"command":"insert","method":null,"selector":".course-modal-ajax-placeholder-956243","data":"\u003Cdiv class=\u0022container content-rte\u0022\u003E\n  \u003Cdiv class=\u0022row\u0022\u003E\n    \u003Cdiv class=\u0022box col-md-6 bg-primary text-white\u0022\u003E\n      \u003Ch2 class=\u0022h1 text-left\u0022\u003E  Th\u00e9orie des jeux et apprentissage par renforcement\n\u003C\/h2\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EECTS :\n          3\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ESemestre calendaire :\n          Semestre 2\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ED\u00e9tail du volume horaire\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ECours magistraux :\u003C\/span\u003E\n                                      \u003Cspan\u003E10.5\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                              \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ETravaux dirig\u00e9s :\u003C\/span\u003E\n                                      \u003Cspan\u003E10.5\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                                            \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ELangue d\u0026#039;enseignement\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EFran\u00e7ais\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EEnseignement \u00e0 distance\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003Enon\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n    \u003Cdiv class=\u0022box col-md-6\u0022\u003E\n                    \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EProgramme \/ plan \/ contenus\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cul\u003E\n\u003Cli\u003ELa premi\u00e8re partie du cours est consacr\u00e9e \u00e0 la th\u00e9orie des jeux, qui\u003Cbr\u003E\nfournit un cadre analytique pour mod\u00e9liser les interactions strat\u00e9giques\u003Cbr\u003E\nentre agents aux int\u00e9r\u00eats divergents. Les \u00e9tudiants y d\u00e9couvrent les notions\u003Cbr\u003E\nd\u2019\u00e9quilibre de Nash, de jeux dynamiques et de jeux r\u00e9p\u00e9t\u00e9s, ainsi que des\u003Cbr\u003E\nextensions aux contextes d\u2019information incompl\u00e8te.\u0026nbsp;\u003C\/li\u003E\n\u003Cli\u003ELa seconde partie introduit l\u2019apprentissage par renforcement, o\u00f9 un\u003Cbr\u003E\nagent apprend \u00e0 optimiser ses actions gr\u00e2ce \u00e0 un syst\u00e8me de r\u00e9compenses. Le\u003Cbr\u003E\ncours aborde les processus d\u00e9cisionnels de Markov (MDP), la programmation\u003Cbr\u003E\ndynamique et les algorithmes d\u2019apprentissage (value iteration, policy\u003Cbr\u003E\niteration), avant d\u2019\u00e9tendre ces notions au cadre multi-agent.\u003C\/li\u003E\n\u003Cli\u003ELes liens entre apprentissage et th\u00e9orie des jeux sont explor\u00e9s, notamment\u003Cbr\u003E\nla mani\u00e8re dont les agents peuvent apprendre \u00e0 atteindre ou \u00e0 approcher des\u003Cbr\u003E\n\u00e9quilibres strat\u00e9giques. L\u2019ensemble offre une base solide pour comprendre et\u003Cbr\u003E\nconcevoir des syst\u00e8mes intelligents autonomes et adaptatifs.\u003C\/li\u003E\n\u003C\/ul\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EObjectifs d\u0026#039;apprentissage\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003ECe cours explore deux approches fondamentales de la prise de d\u00e9cision\u003Cbr\u003E\nrationnelle dans des environnements complexes : la th\u00e9orie des jeux\u003Cbr\u003E\nnon-coop\u00e9ratifs et l\u2019apprentissage par renforcement (Reinforcement Learning,\u003Cbr\u003E\nRL). Il met en lumi\u00e8re la mani\u00e8re dont plusieurs agents - qu\u2019ils soient\u003Cbr\u003E\nhumains, robotiques ou logiciels - peuvent interagir, rivaliser ou coop\u00e9rer\u003Cbr\u003E\nafin d\u2019atteindre leurs objectifs, tout en tenant compte des strat\u00e9gies des\u003Cbr\u003E\nautres ou de l\u2019incertitude de leur environnement.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n                                        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ENature de l\u0026#039;\u00e9valuation\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EEvaluation Continue Int\u00e9grale\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n  \u003C\/div\u003E\n\u003C\/div\u003E\n","settings":null}]