Gäller från och med: Spring 2019
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2019-09-12
Avdelning: Automatic Control
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: English
To become familiar with reinforcement learning.
Kunskap och förståelse
För godkänd kurs skall doktoranden - understand the basic concepts and methods of reinforcement learning
Färdighet och förmåga
För godkänd kurs skall doktoranden - be able to understand the implementation of reinforcement learning using Python and Tensorflow
Värderingsförmåga och förhållningssätt
För godkänd kurs skall doktoranden - understand for which problems reinforcement learning is suitable
- Markov Decision Processes - Dynamic programming - Iterative policy evaluation - Iterative policy iteration - Value iteration - Model-free planning - Monte-Carlo methods - Model-free control - Value Function Approximation - Policy Gradient Methods - Exploration and Exploitation
The course is based on video lectures by David Silver.
Undervisningsformer: Seminarier, övningar, litteraturkurs som självstudier, övrigt. Based on the Reinforcement Learning Course given by David Silver at UCL and the associated video presentations.
Examinationsform: övrigt.
Sufficient active participation in the course meetings
Betygsskala: Underkänd, godkänd
Examinator:
Förkunskapskrav: Admitted to PhD program at an engineering faculty
Förutsatta förkunskaper: None
Urvalskriterier: None
Kursansvariga:
Hemsida: http://www.control.lth.se/education/doctorate-program/study-circle-in-reinforcement-learning/