Описание
Изучение проектирования и программирования агентов обучения с подкреплением для выполнения сложных задач в интерактивных средах. Темы включают процессы принятия решений Маркова, методы динамического программирования, методы Монте-Карло, обучение с временной разницей, прогнозирование/управление с аппроксимацией функций, градиент политики и алгоритмы глубокого обучения с подкреплением.
Предварительные требования
- Предварительные требования: COMP 2402 , ( COMP 2404 или SYSC 3010 или SYSC 3110 ), ( MATH 1004 или MATH 1007), ( MATH 1104 или MATH 1107 ), и ( DATA 1517 или STAT 2507 ).
Условия и порядок
- Предварительные требования: COMP 2402 , ( COMP 2404 или SYSC 3010 или SYSC 3110 ), ( MATH 1004 или MATH 1007), ( MATH 1104 или MATH 1107 ), и ( DATA 1517 или STAT 2507 ).
- Лекции три часа в неделю.
Текст источника на языке оригинала
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.
Источники и ссылки
Даты и источники сохраняются, чтобы помочь вам проверить сведения. Переводы предлагаются для удобства чтения; официальным источником для условий и требований является оригинал.
Исходная ссылка : https://calendar.carleton.ca/undergrad/courses/COMP/