TensorFlow로 배우는 심층 강화학습 입문 - Deep Reinforcement Learning

Name: TensorFlow로 배우는 심층 강화학습 입문 - Deep Reinforcement Learning
Price: 88000 KRW

심층 강화학습(Deep Reinforcement Learning)에 대한 필수 이론 학습을 통해 강화학습 기초 개념을 탄탄히 다지고, TensorFlow를 이용한 실제 코드 구현 실습을 통해 심층 강화학습의 원리를 자세히 학습할 수 있는 강의입니다.

(3.0) 수강평 2개

수강생 68명

AISchool

딥러닝 Tensorflow 강화학습

중급자를 위해 준비한
[데이터 분석] 강의입니다.

이런 걸 배울 수 있어요

심층 강화학습(Deep Reinforcement Learning)의 기초와 원리
기본 DQN과 Double Q-Learning, Duel Q-Learning, Prioritized Experience Replay(PER) 최신 논문에서 제안된 심화 DQN 기법
Vanila Policy Gradient(REINFORCE) 기법과 Actor-Critic Method 심화 Policy Gradient 기법(Proximal Policy Optimization[PPO])

심층 강화학습 기초 개념부터 최신 기법까지!

심층 강화학습 기본 원리 + Double DQN, Duel DQL, PER 최신 모델

심층 강화학습 기초 개념부터 최신 논문에서 제안된 다양한 기법들을 함께 다룹니다. 자세한 설명과 TensorFlow 코드 실습을 통해 튼튼하게 익혀보세요 😀

자세한 설명, 단계별 학습 +
최신 모델 구현까지 한번에!

Step 1 ✍️
자세한 설명과 단계별 학습을 통해 심층 강화학습(Deep Reinforcement Learning)의 개념과 원리를 탄탄하게 학습합니다.

Step 2 👨🏻‍💻
Double DQN, Duel DQN, PER와 Actor-Critic까지 최신 심층 강화학습 모델을 TensorFlow(텐서플로) 2.0을 이용해서 구현해 봅시다.

선수 강의 ✅

👋 본 강의는 TensorFlow 2.0과 딥러닝 기초에 대한 선수 지식이 필요한 강의입니다. 반드시 아래 강의를 먼저 수강하시거나 그에 준하는 지식을 갖춘 뒤 본 강의를 수강하세요.

👉 딥러닝 핵심 이론과 최신 TensorFlow 2.0을 이용한 딥러닝 코드 구현을 한번에 배울 수 있는 강의입니다.

이런 분들께
추천드려요!

학습 대상은
누구일까요?

심층 강화학습(Deep Reinforcement Learning)의 개념과 원리를 탄탄히 학습하고 싶은 분
심층 강화학습(Deep Reinforcement Learning)의 다양한 알고리즘을 실제 TensorFlow 코드로 구현해보고 싶은 분
심층 강화학습(Deep Reinforcement Learning)의 다양한 최신 논문을 살펴보고 싶은 분

선수 지식,
필요할까요?

Python 사용경험
선수강의 [TensorFlow 2.0으로 배우는 딥러닝 입문] 수강경험

안녕하세요
AISchool입니다.

7,869

명

수강생

520

개

수강평

338

개

답변

4.6

점

강의 평점

개

강의

AISchool ( http://aischool.ai/ )
AISchool 유튜브 채널 운영 ( https://www.youtube.com/@aischool_ai )
서울대학교 인공지능 및 컴퓨터 비전 연구실 석사
[솔라리스의 인공지능 연구실] 블로그 운영
[텐서플로로 배우는 딥러닝] 집필
S전자 컴퓨터 비전 관련 프로젝트 수행
기업대상 [AI 컨설팅 서비스] 제공
에이아이스쿨 [TensorFlow와 실습 프로젝트로 배우는 딥러닝-컴퓨터비전 Basic 코스] 강의 진행

커리큘럼

전체

33개 ∙ (5시간 21분)

해당 강의에서 제공:

수업자료

섹션 1. 강의 슬라이드 다운로드

1개

강의 슬라이드 다운로드

섹션 2. 1강 - 강화학습(Reinforcement Learning)이란

3개 ∙ (28분)

지도학습(Supervised Learning), 비지도학습(Unsupervised Learning), 강화학습(Reinforcement Learning)
12:21
Reward Hypothesis & 강화학습의 장단점
07:19
강화학습 응용사례 Case Study & 강화학습 알고리즘 분류
09:01

섹션 3. 2강 - MDP(Markov Decision Process)

3개 ∙ (32분)

MDP(Markov Decision Process), Markov Process(MP), Markov Property
11:48
MRP(Markov Reward Process), MDP(Markov Decision Process), 상태 가치 함수(State-Value Function), 행동 가치 함수(Action-Value Function)
13:32
Grid-World 예제, 최적의 정책(Optimal Policy)
07:21

섹션 4. 3강 - 행동가치함수 추정하기 - MC, SARSA, Q-Learning

9개 ∙ (1시간 9분)

섹션 5. 4강 - 딥러닝과 강화학습의 결합 - DQN(Deep-Q-Networks)

5개 ∙ (39분)

섹션 6. 5강 - 기본 DQN 개선하기 - Double-Q-Learning, Duel-Q-Learning, PER(Prioritized Experience Replay)

5개 ∙ (1시간 1분)

섹션 7. 6강 - Policy Gradient(정책 경사법)

7개 ∙ (1시간 28분)

강의 게시일: 2022. 12. 04.

마지막 업데이트일: 2022. 12. 18.

수강평

아직 충분한 평가를 받지 못한 강의입니다.

모두에게 도움이 되는 수강평의 주인공이 되어주세요!

TensorFlow로 배우는 심층 강화학습 입문 - Deep Reinforcement Learning

중급자를 위해 준비한 [데이터 분석] 강의입니다.