Kursplan för

Study Circle in Reinforcement Learning
Studiecirkel om Reinforcement Learning

FRT205F, 5 högskolepoäng

Gäller från och med: Spring 2019
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2019-09-12

Allmänna uppgifter

Avdelning: Automatic Control
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: English

Syfte

To become familiar with reinforcement learning.

Mål

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

Kursinnehåll

- 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

Kurslitteratur

The course is based on video lectures by David Silver.

Kursens undervisningsformer

Undervisningsformer: Seminarier, övningar, litteraturkurs som självstudier, övrigt. Based on the Reinforcement Learning Course given by David Silver at UCL and the associated video presentations.

Kursens examination

Examinationsform: övrigt. Sufficient active participation in the course meetings
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förkunskapskrav: Admitted to PhD program at an engineering faculty
Förutsatta förkunskaper: None
Urvalskriterier: None

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga:
Hemsida: http://www.control.lth.se/education/doctorate-program/study-circle-in-reinforcement-learning/


Fullständig visning