Description
Apprenez à concevoir et programmer des agents d'apprentissage par renforcement pour accomplir des tâches complexes dans des environnements interactifs. Sujets : processus de décision markoviens, méthodes de programmation dynamique, méthodes de Monte Carlo, apprentissage par différence temporelle, prédiction/contrôle avec approximation de fonctions, gradient de politique, et algorithmes d'apprentissage par renforcement profond.
Préalables
- Préalable(s) : COMP 2402 , ( COMP 2404 ou SYSC 3010 ou SYSC 3110 ), ( MATH 1004 ou MATH 1007), ( MATH 1104 ou MATH 1107 ), et ( DATA 1517 ou STAT 2507 ).
Conditions et modalités
- Préalable(s) : COMP 2402 , ( COMP 2404 ou SYSC 3010 ou SYSC 3110 ), ( MATH 1004 ou MATH 1007), ( MATH 1104 ou MATH 1107 ), et ( DATA 1517 ou STAT 2507 ).
- Cours magistral de trois heures par semaine.
Texte de référence dans sa langue d’origine
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.
Sources et références
Les dates et les sources sont conservées pour vous aider à vérifier les renseignements. Les traductions sont proposées pour faciliter la lecture; la source officielle fait référence pour les conditions et les exigences.
Référence source : https://calendar.carleton.ca/undergrad/courses/COMP/