國立中興大學教學大綱
課程名稱 (中) 深度強化學習(6651)
(Eng.) Deep Reinforcement Learning
開課單位 資工系
課程類別 選修 學分 3 授課教師 陳煥
選課單位 資工系 / 碩士班 授課使用語言 中文 英文/EMI N 開課學期 1102
課程簡述 本課程將介紹強化學習理論及深度強化式學習理論以及相關應用實務。強化學習是機器學習中的一個領域,不同於傳統機器學習的監督是與非監督式學習,而是強調如何基於環境而行動的智慧代理人動作,以取得最大化的預期利益。首先將介紹強化學習理論及元素,之後將從簡入深說明如何設計一個強化學習系統,最後教授結合深度學習理論之深度強化學習應用。
先修課程名稱
課程含自主學習 N
課程與核心能力關聯配比(%) 課程目標之教學方法與評量方法
課程目標 核心能力 配比(%) 教學方法 評量方法
本課程將介紹強化學習理論及深度強化式學習理論以及相關應用實務。首先將介紹強化學習理論及元素,之後將從簡入深說明如何設計一個強化學習系統,最後教授結合深度學習理論之深度強化學習應用。
1.具備資訊科學素養、資訊理論與數學分析之能力
3.具備分析、設計與實作資訊軟體系統之能力
6.具備自我學習、溝通協調與團隊合作之能力
20
50
30
講授
書面報告
口頭報告
作業
實作
授課內容(單元名稱與內容、習作/每週授課、考試進度-共18週)
週次 授課內容
第1週 強化學習簡介
第2週 有限馬可夫決策問題
第3週 人工智慧環境與智慧代理人與馬可夫決策問題
第4週 MAB多臂機問題
第5週 價值函數
第6週 動態規劃
第7週 Grid World Problem Implementation
第8週 動態規劃 (Dynamic Programming)
第9週 Iterative Policy Evaluation/Value Iteration /Policy Iteration
第10週 sarsa AND TD
第11週 深度強化學習 introduction

第12週 Pytorch programming
第13週 Pytorch transfer Learning
第14週 DQN and related techniques
第15週 Techniques for improving DQN
第16週 Advanced 深度強化學習模型
第17週 Final Project Presentation I
第18週 Final Project Presentation II
學習評量方式
1. 程式設計與作業75%
2. 期末專題 25%
教科書&參考書目(書名、作者、書局、代理商、說明)




(1) Reinforcement Learning - An introduction, Richard S. Sutton and Andrew G. Barto,
A Bradford Book The MIT Press Cambridge, Massachusetts London, England 2017.11
(本書含有練習用的source code 可自github download)
(2) 最新人工智慧應用:用強化學習快速上手AI
作者:郭憲、方勇純 出版社:佳魁數位 出版日:2018/6/11
(3) 用Python實作強化學習|使用TensorFlow與OpenAI Gym
作者:Sudharsan Ravichandiran 追蹤作者 ?
出版社:碁峰資訊 追蹤出版社 ?
出版日:2019/5/29
ISBN:9789865021412
(4) 動手做深度強化學習 (Deep Reinforcement Learning Hands-On)
Maxim Lapan 劉立民出版商:博碩文化
出版日期:2019-11-11

(5) 核心開發者親授!PyTorch深度學習攻略
作者: Eli Stevens、Luca Antiga、
出版社: 旗標 追蹤出版社 出版日:2021/7/23
課程教材(教師個人網址請列在本校內之網址)

課程輔導時間

聯合國全球永續發展目標
 提供體驗課程:N
請尊重智慧財產權及性別平等意識,不得非法影印他人著作。
更新日期 西元年/月/日:2022/03/21 11:21:40 列印日期 西元年/月/日:2024 / 9 / 18
MyTB教科書訂購平台:http://www.mytb.com.tw/