Missions principales
- Définir états, actions, récompenses et contraintes
- Construire une simulation et des références
- Suivre la stabilité sur plusieurs scénarios et graines
Compétences techniques
- MDP et politiques d’exploration
- Évaluation hors politique
- Simulation, transférabilité et garde-fous
Compétences comportementales
- Relier le signal de récompense au besoin réel
- Expliquer la variabilité à des non-spécialistes
Réalisation typique
Une politique d’allocation testée avec des pics de demande et des limites de sûreté.
Modalités possibles d’évaluation
Repérer une stratégie qui exploite la récompense et modifier le protocole de validation pour la détecter.
