Python과 Tensorflow를 활용한 강화학습의 이해와 활용
주제
데이터사이언스 - AI
강사명
김수현
교육목표
강화 학습의 기본 원리와 동작을 이해할 수 있다.
강화 학습과 관련된 수학적 이론 및 용어를 구분할 수 있다.
강화 학습에 사용되는 기본 알고리즘을 이해할 수 있다.
강화 학습 구현 코드를 분석하고 활용할 수 있다.
Tensorflow와 Keras 등을 이용하여 강화 학습에 사용되는 기본 알고리즘을 구현할 수 있다."
교육시간
3일 21시간
커리큘럼
가. 강화학습 기초
- 실습 환경 구축하기
- 강화학습 개념 이해하기
- MDP (Markov Decision Process) 이해하기
- 벨만(Bellman) 방정식 이해하기
나. Dynamic 프로그래밍과 강화 학습
- Grid World와 Dynamic Programming 구현하기
- Dynamic Programming 1 - 정책 이터레이션 구현하기
- Dynamic Programming 2 - 가치 이터레이션 구현하기
다. 강화학습 알고리즘 살사와 큐러닝
- 몬테 카를로 예측과 시간차 예측 이해 및 구현하기
- 강화 학습 알고리즘 살사 (SARSA) 이해 및 구현하기
- 강화 학습 알고리즘 큐러닝 (Q-Laerning) 이해 및 구현하기
라. 강화학습과 인공신경망
- Value Function Approximation 이해하기
- 인공신경망을 결합한 강화학습 Deep Q-Networks 구현하기
- 인공신경망을 결합한 강화학습 Policy Gradient 구현하기
마. 강화학습 DQN 구현 사례
- 강화학습 DQN 구현 사례 1 - 카트폴 구현하기
- 강화학습 DQN 구현 사례 2 - 아타리 게임 구현하기
바. 강화학습 Actor-Critic 구현 사례
- 강화학습 Actor-Critic(A2C) 구현 사례 1 - 카트폴 구현하기
- 강화학습 Actor-Critic(A3C) 구현 사례 2 - 아타리 게임 구현하기
수강신청 방법
아래 일정 기입된 부분 두 번 클릭 시 수강신청 사이트로 이동
14 more properties
