설명
대화형 환경에서 복잡한 작업을 수행하는 강화 학습 에이전트를 설계하고 프로그래밍하는 방법을 학습. 주제에는 마르코프 결정 과정, 동적 계획법, 몬테카를로 방법, 시차 학습(temporal difference learning), 함수 근사를 이용한 예측/제어, 정책 기울기, 심층 강화 학습 알고리즘이 포함된다.
선수 과목
- 선수과목: COMP 2402 , ( COMP 2404 or SYSC 3010 or SYSC 3110 ), ( MATH 1004 or MATH 1007), ( MATH 1104 or MATH 1107 ), 및 ( DATA 1517 or STAT 2507 ).
조건 및 세부사항
- 선수과목: COMP 2402 , ( COMP 2404 or SYSC 3010 or SYSC 3110 ), ( MATH 1004 or MATH 1007), ( MATH 1104 or MATH 1107 ), 및 ( DATA 1517 or STAT 2507 ).
- 주당 강의 3시간.
원문 참조 텍스트
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.
출처 및 참고문헌
날짜와 출처는 정보를 확인하는 데 도움이 되도록 보관됩니다. 번역은 읽기 편의를 위해 제공되며 조건과 요건은 공식 출처가 기준입니다.
출처 참조 : https://calendar.carleton.ca/undergrad/courses/COMP/