Deskripsi
Belajar tentang merancang dan memrogram agen pembelajaran penguatan untuk melakukan tugas kompleks di lingkungan interaktif. Topik mencakup proses keputusan Markov, metode pemrograman dinamis, metode Monte Carlo, pembelajaran temporal difference, prediksi/kontrol dengan aproksimasi fungsi, policy gradient, dan algoritma pembelajaran penguatan mendalam.
Prasyarat
- Prasyarat: COMP 2402, ( COMP 2404 atau SYSC 3010 atau SYSC 3110 ), ( MATH 1004 atau MATH 1007), ( MATH 1104 atau MATH 1107 ), dan ( DATA 1517 atau STAT 2507 ).
Syarat dan ketentuan
- Prasyarat: COMP 2402, ( COMP 2404 atau SYSC 3010 atau SYSC 3110 ), ( MATH 1004 atau MATH 1007), ( MATH 1104 atau MATH 1107 ), dan ( DATA 1517 atau STAT 2507 ).
- Kuliah tiga jam per minggu.
Teks rujukan dalam bahasa aslinya
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.
Sumber dan referensi
Tanggal dan sumber disimpan untuk membantu Anda memverifikasi informasi. Terjemahan disediakan untuk memudahkan pembacaan; sumber resmi menjadi rujukan untuk syarat dan ketentuan.
Referensi sumber : https://calendar.carleton.ca/undergrad/courses/COMP/