TDDE78 · Linköpings universitet
Förstärkningsinlärning
Ny kurs
Inga tentor än
Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial
Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg
HP
6
Språk
Engelska
Nivå
Avancerad nivå
Fakultet
Tekniska fakulteten
Institution
Institutionen för datavetenskap
Lärandemål
Kursen ger en introduktion till området förstärkningsinlärning. Målet är att studenterna ska vara bekanta med olika metoder som används för lärande baserat på feedback. Efter avslutad kurs ska du kunna:
- identifiera grundläggande begrepp, terminologi, teorier, modeller och metoder inom förstärkningsinlärning
- utveckla och systematiskt testa grundläggande metoder inom förstärkningsinlärning
- utvärdera olika förstärkningsinlärningsalgoritmer experimentellt samt tolka och dokumentera resultat från experimentella studier
- ha bred kunskap för att kunna läsa och dra nytta av litteratur inom området
Kursinnehåll
- Grundkurs i förstärkningsinlärning, huvudsakligen ur ett datavetenskapligt perspektiv. Fokus ligger på att introducera de viktigaste koncepten, teknikerna och metoderna, inklusive
- Värdebaserade, policybaserade och modellbaserade förstärkningsinlärningsmetoder
- Aktör-kritiska metoder
- Fleragentförstärkningsinlärning
- Flermålsbaserad förstärkningsinlärning
- Hierarkisk förstärkningsinlärning
Förutsättningar
- Praktiska färdigheter i programmering i Python. Arbetskunskaper inom djupinlärning, särskilt djupa neurala nätverk från till exempel "Artificiell intelligens" (TDDC17). Förståelse för vanliga koncept inom datavetenskap och optimering.
Litteratur
Deep Reinforcement Learning - Plaat, A., Plaat, A.
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis