描述
机器学习基础；多层感知器、泛函逼近定理、反向传播；卷积网络、循环神经网络、变分自编码器、生成对抗网络；深度学习的组件与技术；马尔可夫决策过程；Bellman 方程、策略迭代、价值迭代、蒙特卡洛学习、时序差分方法、Q 学习、SARSA、应用。
原文参考文本
Fundamentals of machine learning; multi-layer perceptron, universal approximation theorem, back-propagation; convolutional networks, recurrent neural networks, variational auto-encoder, generative adversarial networks; components and techniques in deep learning; Markov Decision Process; Bellman equation, policy iteration, value iteration, Monte-Carlo learning, temporal difference methods, Q learning, SARSA, applications.
来源与参考
为帮助您核实信息，保留了日期和来源。为便于阅读提供了翻译；以官方来源为准，查看条件和要求。
来源参考 : https://calendar.carleton.ca/grad/courses/COMP/