Kursplan för

Study Circle in Deep Reinforcement Learning
Studiecirkel om Deep Reinforcement Learning

FRT240F, 5 högskolepoäng

Gäller från och med: Spring 2021
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2021-02-18

Allmänna uppgifter

Avdelning: Automatic Control
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: English

Syfte

To teach the participants basic topics in deep reinforcement learning

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden understand advanced topics in reinforcement learning and implementation aspects of deep reinforcement learning using neural networks.

Färdighet och förmåga

För godkänd kurs skall doktoranden be able to implement different deep reinforcement learning techniques based on Neural Networks.

Värderingsförmåga och förhållningssätt

För godkänd kurs skall doktoranden

Kursinnehåll

Q functions, Advanced Policy Gradients, Model Based planning, Model Based RL, Model Based Policy Learning, Control as Inference, Inverse Reinforcement Learning, Distributed RL, Challenges and Open problems

Kurslitteratur

Sutton, Richard S. & Barto, Andrew G.: Reinforcement Learning, Second Edition. ISBN 9780262039246.

Kursens undervisningsformer

Undervisningsformer: Seminarier, övningar, litteraturkurs som självstudier, övrigt. based on Berkely deep RL course "CS285" and a few assignments available on Github

Kursens examination

Examinationsform: övrigt. Active participation in the course
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förkunskapskrav: Admitted to PhD program at an engineering faculty
Förutsatta förkunskaper: Basic reinforcement learning knowledge, basic neural network construction and training using tensorflow or pytorch
Urvalskriterier: None

Kurstillfällesinformation

Kontaktinformation och övrigt

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

Fullständig visning