Reinforcement learning del 2, 3 hp

Förstärkningslärande (Reinforcement Learning - RL) är en metod för att lösa sekventiella beslutsproblem. Målet med RL är att få en optimal policy genom att lära av försök och misstag. Denna kurs omfattar grundläggande och avancerade RL-algoritmer för både diskreta och kontinuerliga tillstånds- och handlingsrum. Ett exempel är att kombinera inlärning och sökning. Vi förklarar också hur dessa algoritmer implementeras med djupa inlärningstekniker. RL-baserade tillvägagångssätt har visat imponerande prestanda på komplexa uppgifter med stora mängder data. Vi kommer också att prata om hur RL-strategier presterar på verkliga problem och diskutera begränsningar.

Kursen riktar sig till dig som är yrkesverksam.

Fördjupning

Avancerad nivå, har kurs/er på avancerad nivå som förkunskapskrav (A1F)

Institution

Institutionen för naturvetenskap och teknik

Kursen ges vid följande tillfällen

Förkunskapskrav: 180 högskolepoäng varav 15 högskolepoäng programmering, Reinforcement learning del 1, 3 hp samt Engelska 5/Engelska A.

Urval: Antal avklarade högskolepoäng tagna senast sista anmälningsdag (TPAV)

Kursplan

Anmälningskod: ORU-V5355