Wie lernen Maschinen, die richtigen Entscheidungen zu treffen? Wie können Einzelpersonen, Unternehmen, Organisationen und Forschende von automatisierter Entscheidungsfindung profitieren?
Der kostenlose Online-Kurs mit Davud Rostam-Afschar bietet eine Einführung in die Grundlagen des Reinforcement Learning (RL), eines Entscheidungsrahmens auf Basis von teilweisem, verzögertem oder implizitem Feedback.
Reinforcement Learning gewinnt zunehmend an Bedeutung in der BWL, VWL und den Sozialwissenschaften – etwa bei adaptiven Experimenten, sequenzieller Entscheidungsfindung und personalisierten Empfehlungen.
- Kursstart: 17. Juni 2025, 16:30–17:30 Uhr
- Bewerbungsschluss: 12. Mai 2025
Über vier Wochen werden zentrale Konzepte wie Multi-Armed Bandits, Markov-Entscheidungsprozesse, dynamische Programmierung und Temporal-Difference-Lernen behandelt, unterstützt durch Videoinhalte, Praxisbeispiele und interaktive Online-Sitzungen.
Weitere Informationen und Bewerbung: https://www.berd-nfdi.de/berd-academy/reinforcement-learning-2025/.
Reinforcement Learning for Business, Economics, and Social Sciences
How do machines learn to make the right choices? How can individuals, firms, organizations, and researchers benefit from automated decision-making?
This free online course with Davud Rostam-Afschar introduces the fundamentals of Reinforcement Learning (RL), a framework for decision-making based on partial, delayed, or implicit feedback. RL is increasingly relevant in business, economics, and the social sciences for applications such as adaptive experiments, sequential decision-making, and personalized recommendations.
- Starting: 17 June 2025, 4:30 pm-5:30 p.m.
- Application deadline: 12 May 2025
Over four weeks, you will explore core concepts such as multi-armed bandits, Markov decision processes, dynamic programming, and temporal-difference learning – supported by video content, real-world applications, and interactive online sessions.
More details and application: https://www.berd-nfdi.de/berd-academy/reinforcement-learning-2025/.