멀티캠퍼스 :: 과정상세보기

과정요약

과정요약
학습시간	09:00 ~ 17:00 ( 21시간 )	난이도	중급
교육비 지원	고용보험 비환급	평가항목	출석률 100%
수료기준	총점 80점 이상시 수료	정원	20 명
교재정보	[PDF] 강화학습, 기본개념에서 자율주행 레이싱까지
강사명	현청천

과정소개

강화학습, 기본개념에서 자율주행 레이싱까지
Tensorflow 강화학습 딥러닝

본 과정은 TensorFlow를 이용한 딥러닝 모델의 개발 숙련도를 높일 수 있는 과정으로,
강화학습 모델을 구현하고 AWS 딥 레이서의 시뮬레이션 환경에서 여러 보상함수를 적용해 봄으로써
강화학습에 대한 이해를 높입니다.

특히 Python과 TensorFlow를 이용해 Q-learning과 같은 고전 강화학습과 DQN과 같은
딥러닝+강화학습을 배워보고 실습해보는 교육 과정으로
👍딥러닝 기초를 학습하신 분들을 대상으로 진행됩니다. 👍

📍 사전 지식

🤷‍♀️🤷‍♂️ 아래와 같은 사전 지식이 갖춰져 있어야 본 과정의 커리큘럼대로 진행이 가능합니다.

✅ 기초적인 프로그래밍 능력(파이썬)
- 실습 과정에서 제시된 머신러닝 예제를 이해한 후 응용 문제를 구현하는데 일부 힌트를 제공하면 해결할 수 있는 수준
- iterable, range, enumerate 등의 반복문과 관련된 함수와 문법
- 시퀀스 타입(List, Dictionary)의 이해와 슬라이싱 문법의 이해

✅ 기초 수학 개념
- 함수 : 고등학교 이과 수학 수준의 로그 함수, 지수 함수까지의 이해
- 선형대수 : 행렬의 산술 연산 및 논리 연산, 다차원 배열의 이해

📍 과정 특장점

💻 강화학습 이론에서 딥러닝+강화학습까지 교육하는 과정

💻 TensorFlow를 이용해 강화학습 모델을 구현하고 딥 레이서 같은 시뮬레이션 환경에서 보상함수를 실습

💻 딥 강화학습의 기초인 DQN부터 시뮬레이션 환경에서 응용방법 학습

학습목표

고전강화학습부터 딥강화학습의 기초인 DQN 및 각종 시뮬레이션 환경을 이해한다.
TensorFlow 예제코드를 직접 돌려보며 강화학습 알고리즘이 어떤 원리로 어떻게 구현되는지 학습한다.
AWS 딥 레이서와 같은 게임 환경에서 보상함수를 디자인해보고 강화학습 레이싱에 직접 참여한다.

학습대상

기초적인 딥러닝을 공부한 학습자
딥러닝 모델을 연구하는 Data Scientist 및 AI 개발자
TensorFlow 기반의 강화학습 모델을 활용하려는 개발자
TensorFlow를 활용하여 인공지능 서비스를 개발하려는 개발자

- 1일차
  - 강화학습 들어가기
    - 강화학습에 대한 기본 개념 09:00 ~ 10:00
  - 강화학습 들어가기
    - MDP에 대한 기본 개념 10:00 ~ 11:00
  - 강화학습 들어가기
    - 벨만 방정식에 대한 기본 개념 11:00 ~ 12:00
  - 강화학습 알고리즘
    - 플래닝에 대한 이해 13:00 ~ 14:00
  - 강화학습 알고리즘
    - 벨류 평가하기 14:00 ~ 15:00
  - 강화학습 알고리즘
    - 최고의 정책 찾기 #1 15:00 ~ 16:00
  - 강화학습 알고리즘
    - 최고의 정책 찾기 #2 16:00 ~ 17:00
- 2일차
  - DQN, Actor-Critic
    - 딥러닝 기반 강화학습 09:00 ~ 10:00
  - DQN, Actor-Critic
    - DQN 이론 10:00 ~ 11:00
  - DQN, Actor-Critic
    - Open AI Gym 소개, DQN 실습 11:00 ~ 12:00
  - DQN, Actor-Critic
    - DQN 실습 13:00 ~ 14:00
  - DQN, Actor-Critic
    - Actor-Critic 이론 14:00 ~ 15:00
  - DQN, Actor-Critic
    - Actor-Critic 실습 15:00 ~ 16:00
  - DQN, Actor-Critic
    - Actor-Critic 실습 16:00 ~ 17:00
- 3일차
  - TROP, PPO
    - TRPO 이론 09:00 ~ 10:00
  - TROP, PPO
    - PPO 이론 10:00 ~ 11:00
  - TROP, PPO
    - PPO 실습 11:00 ~ 12:00
  - Unity ML
    - Unity ML -Agents 사용법 13:00 ~ 14:00
  - Unity ML
    - Unity ML -Agents 응용 하기 14:00 ~ 15:00
  - 프로젝트 연습
    - 강화학습 레이싱 만들기 #1 15:00 ~ 16:00
  - 프로젝트 연습
    - 강화학습 레이싱 만들기 #2 16:00 ~ 17:00

수강후기 5

평균평점

4.8 / 5.0

4.5

안*조
2023.12.20

기초이론부터 응용까지 탄탄하게 구성된 좋은 과정입니다.
5

문*건
2023.12.20

강화학습 개념에 대한 자세한 설명을 통해 개념 이해에 많은 도움이 되었음
5

전*레
2023.12.20

매우 유익하고 좋은 교육이었습니다! 기본 개념부터 응용까지 전체적으로 교육받을 수 있었습니다.
5

유*진
2023.12.20

어려운 내용이지만 친절하게 설명해 주십니다.
4.5

김*민
2023.12.20

전반적으로 이해하기 좋게 구성되었고 좋았음

강화학습, 기본개념에서 자율주행 레이싱까지 관련과정

집합

교재제공

PyTorch로 배우는 강화학습