課程說明
學習設計與程式撰寫強化學習代理人以在互動式環境中執行複雜任務。主題包含馬可夫決策過程、動態規劃方法、蒙地卡羅方法、時序差分學習、函數近似下的預測/控制、策略梯度與深度強化學習演算法。
先修條件
- 先修科目：COMP 2402、(COMP 2404 或 SYSC 3010 或 SYSC 3110)、(MATH 1004 或 MATH 1007)、(MATH 1104 或 MATH 1107)，以及 (DATA 1517 或 STAT 2507)。
條件與方式
- 先修科目：COMP 2402、(COMP 2404 或 SYSC 3010 或 SYSC 3110)、(MATH 1004 或 MATH 1007)、(MATH 1104 或 MATH 1107)，以及 (DATA 1517 或 STAT 2507)。
- 每週授課三小時。
原文參考文本
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.
來源與參考
保留日期與來源以協助你核實資料。為便於閱讀提供譯文；官方來源為條件與要求的參照。
來源參考 : https://calendar.carleton.ca/undergrad/courses/COMP/