멀티캠퍼스

통합검색

검색도우미 기능을 다시 켤때는
검색창에서 검색도우미 열기를 클릭하세요

과정상세

[Live] PyTorch로 배우는 강화학습

thumbnail image
집합

교재제공 중급

[Live] PyTorch로 배우는 강화학습

0

like 0

1,000,000원 (VAT없음)

과정요약

과정요약
학습시간 21시간 난이도 중급
교육비 지원 고용보험 비환급 평가항목 출석률 100%
수료기준 총점 80점 이상시 수료 정원 24 명
교재정보

※ 도서 또는 부속물 품/절판인 경우 개별 안내 후 대체도서 제공, 타과정 변경 입과, 과정폐강이 일어날 수 있습니다.

과정소개



※ 본 교육을 위해 사용될 PC 사양은 아래의 내용으로 권장드립니다.
- CPU: i5 이상
- 메모리: 8GB 이상
- 운영체제: 윈도우즈 10

학습목표

  • - 강화학습의 기초적인 개념을 이해하고 대표적인 알고리즘들에 대해 알아본다.
  • - Pytorch의 기초적인 사용법을 배우고 DQN, DDPG 등 대표 알고리즘을 직접 구현해본다.
  • - 알고리즘과 업데이트 알고리즘 이외에 현실 문제에 강화학습을 적용하기 위해 알아야 하는 점들을 확인해본다.

학습대상

  • - 간단한 딥러닝 모델 구현 경험이 있으신 분
  • - 현업에서 강화학습을 적용해보고 싶으신 분
  • - 강화학습 알고리즘에 대해 정확히 알고 싶으신 분
  • - Pytorch를 사용한 모델 구현에 관심 있으신 분

교재소개

  • 본 과정은 교재를 포함합니다.

과정목차 21

  • 1 일차
    • Tabular-based methods
      • 강화학습 소개
    • Tabular-based methods
      • MDP 소개
    • Tabular-based methods
      • Dynamic Programming 소개
    • Tabular-based methods
      • Policy Iteration, Value Iteration 구현
    • Tabular-based methods
      • Monte-Carlo 방법, Temporal Difference 방법 소개
    • Tabular-based methods
      • SARSA와 Q-Learning 소개
    • Tabular-based methods
      • SARSA와 Q-Learning 구현
  • 2 일차
    • Value-based methods
      • DQN 소개
    • Value-based methods
      • Double DQN 소개
    • Value-based methods
      • PyTorch 소개 및 구현
    • Value-based methods
      • DQN, Double DQN 구현
    • Policy-based methods
      • Policy Gradient 소개
    • Policy-based methods
      • Actor-Critic 소개
    • Policy-based methods
      • A2C 구현
  • 3 일차
    • Advanced actor-critic methods
      • DDPG 소개
    • Advanced actor-critic methods
      • DDPG 구현
    • Advanced actor-critic methods
      • Maximum entropy RL 소개
    • Advanced actor-critic methods
      • SAC 소개
    • Advanced actor-critic methods
      • TAC 소개
    • Advanced actor-critic methods
      • SAC 구현
    • Advanced actor-critic methods
      • TAC 구현

수강후기 0

평균평점

0 / 5.0

  • 등록된 수강후기가 없습니다

[Live] PyTorch로 배우는 강화학습 관련과정