- 강화학습을 공부합니다.
- 실습과 구현에 집중합니다.
- 전원 완주를 목표로 합니다.
- 처음 5주 동안 홍콩과기대 김성훈 교수님의 강의를 듣습니다.
- 다음 2주 동안 Open AI Gym에서 어려운 것 1개 혹은 쉬운 것 2개를 골라서 자유 구현합니다.
- 수강생끼리는 프로젝트가 겹치지 않게 합니다.
| 회차 | 날짜 | 제목 | 발표자 |
|---|---|---|---|
| 1 | 2019.7.15 | Dummy Q Learning | 김민지 |
| 2 | 2019.7.22 | Q-learning exploit & exploration and discounted reward | 김준회 |
| 3 | 2019.7.29 | Q-learning in nondeterministic world | 박관모 |
| 4 | 2019.8.5 | Q-network | 정석원 |
| 5 | 2019.8.12 | DQN | 최길웅 |
| 6 | 2019.8.19 | 프로젝트 구현 1 | 고형권 |
| 7 | 2019.8.26 | 프로젝트 구현 2 | 안단태 |
강의 동영상 및 자료는 시즌 RL 페이지에서 참조하세요.
- 발표자를 제외한 모든 수강생은 매주 금요일 자정까지 실습 과제를 수행합니다.
- 또한, 코드와 수행 결과를 요약한 보고서를 발표자에게 보내야 합니다. (필수 내용만 포함해서 간단하게 써주세요)
- 과제 수행 중 질문사항은 목요일 자정 이후에 발표자에게 물어보세요!
발표자는 세미나 시간 전까지 다음을 준비해야 합니다.
- 목요일 자정 전까지 숙제를 숙지해서 수강생 질문에 대비
- 자신의 코드를 잘 정리해서(모듈화, 주석 등) 본 레포지토리와 구글 드라이브에 업로드
- 수강생들의 코드를 본 레포지토리와 구글 드라이브에 업로드
- 수강생들의 과제 수행률에 대한 점검
- 학습 내용에 대한 간단한 리뷰
세미나 시간엔 발표자의 브리핑을 듣고, 수강생들이 서로의 코드를 보면서 피드백을 주고 받습니다.
2주 동안 구현할 강화학습 프로젝트 주제 제안발표를 준비해 와주시기 바랍니다 (3 슬라이드 이내)
- 필수 포함 내용: 환경에 대한 설명(개관, observation space, action space, reward)과 프로젝트의 목표 수치
너무 쉬운 주제를 가져오시면 청중의 피드백에 의해 반려/강화될 수 있습니다. OpenAI Gym Environment는 다음의 카테고리만 허용됩니다.
- Atari
- Box2D
- MuJoCo
- Roboschool
- Robotics