Açıklama
Etkileşimli ortamlarda karmaşık görevleri yerine getirecek pekiştirmeli öğrenme ajanları tasarlama ve programlamayı öğrenin. Konular arasında Markov karar süreçleri, dinamik programlama yöntemleri, Monte Carlo yöntemleri, zamana bağlı fark öğrenme, fonksiyon yakınsaması ile tahmin/kontrol, politika gradyanı ve derin pekiştirmeli öğrenme algoritmaları yer alır.
Önkoşullar
- Önkoşul(lar): COMP 2402, (COMP 2404 veya SYSC 3010 veya SYSC 3110), (MATH 1004 veya MATH 1007), (MATH 1104 veya MATH 1107) ve (DATA 1517 veya STAT 2507).
Şartlar ve koşullar
- Önkoşul(lar): COMP 2402, (COMP 2404 veya SYSC 3010 veya SYSC 3110), (MATH 1004 veya MATH 1007), (MATH 1104 veya MATH 1107) ve (DATA 1517 veya STAT 2507).
- Haftada üç saat ders.
Kaynak metin orijinal dilinde
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.
Kaynaklar ve referanslar
Tarih ve kaynaklar bilgileri doğrulamanıza yardımcı olmak için saklanır. Okumayı kolaylaştırmak için çeviriler sunulmuştur; koşullar ve gereksinimler için resmi kaynak esas alınır.
Kaynak referans : https://calendar.carleton.ca/undergrad/courses/COMP/