Off-Line, Off-Policy RL for Real-World Decision Making at Facebook - #448

The TWIML AI Podcast (formerly This Week in Machine Learning & Artificial Intelligence)

コンテンツは TWIML and Sam Charrington によって提供されます。エピソード、グラフィック、ポッドキャストの説明を含むすべてのポッドキャストコンテンツは、TWIML and Sam Charrington またはそのポッドキャストプラットフォームパートナーによって直接アップロードされ、提供されます。誰かがあなたの著作権で保護された作品をあなたの許可なく使用していると思われる場合は、ここで概説されているプロセスに従うことができますhttps://ja.player.fm/legal。

3+ y ago 1:01:39

MP3•エピソードのホーム

Today we’re joined by Jason Gauci, a Software Engineering Manager at Facebook AI.

In our conversation with Jason, we explore their Reinforcement Learning platform, Re-Agent (Horizon). We discuss the role of decision making and game theory in the platform and the types of decisions they’re using Re-Agent to make, from ranking and recommendations to their eCommerce marketplace.

Jason also walks us through the differences between online/offline and on/off policy model training, and where Re-Agent sits in this spectrum. Finally, we discuss the concept of counterfactual causality, and how they ensure safety in the results of their models.

The complete show notes for this episode can be found at twimlai.com/go/448.

700 つのエピソード