Descripción
Aprender a diseñar y programar agentes de aprendizaje por refuerzo para realizar tareas complejas en entornos interactivos. Los temas incluyen procesos de decisión de Markov, métodos de programación dinámica, métodos Monte Carlo, aprendizaje por diferencia temporal, predicción/control con aproximación de funciones, gradiente de política y algoritmos de aprendizaje por refuerzo profundo.
Prerrequisitos
- Requisito(s): COMP 2402, ( COMP 2404 o SYSC 3010 o SYSC 3110 ), ( MATH 1004 o MATH 1007), ( MATH 1104 o MATH 1107 ), y ( DATA 1517 o STAT 2507 ).
Condiciones y modalidades
- Requisito(s): COMP 2402, ( COMP 2404 o SYSC 3010 o SYSC 3110 ), ( MATH 1004 o MATH 1007), ( MATH 1104 o MATH 1107 ), y ( DATA 1517 o STAT 2507 ).
- Clases magistrales tres horas a la semana.
Texto de referencia en su idioma de origen
Learn about designing and programming reinforcement learning agents to perform complex tasks in interactive environments. Topics include Markov decision processes, dynamic programming methods, Monte Carlo methods, temporal difference learning, prediction/control with function approximation, policy gradient, and deep reinforcement learning algorithms.
- Prerequisite(s): COMP 2402 , ( COMP 2404 or SYSC 3010 or SYSC 3110 ), ( MATH 1004 or MATH 1007), ( MATH 1104 or MATH 1107 ), and ( DATA 1517 or STAT 2507 ).
- Lectures three hours a week.
Fuentes y referencias
Se conservan las fechas y las fuentes para ayudarle a verificar la información. Las traducciones se proponen para facilitar la lectura; la fuente oficial es la referencia para las condiciones y los requisitos.
Referencia de la fuente : https://calendar.carleton.ca/undergrad/courses/COMP/