CENG045 Reinforcement Learning

Genel Bilgi

Dersin Amacı

Takviyeli öğrenme kursunun amacı, öğrencilere makine öğreniminin bir alt alanı olan pekiştirmeli öğrenmenin temellerini öğretmektir. Takviyeli öğrenme, ajanların belirli bir hedefe ulaşmak için bir ortamda karar vermeyi nasıl öğrenebilecekleri ile ilgilidir.

Dersin İçeriği

Bu ders Takviyeli Öğrenmeye Giriş, Takviyeli Öğrenmenin Temel Kavramları, Denetimli ve Denetimsiz Öğrenme ile Karşılaştırma ve Takviyeli Öğrenme Problemlerinin Türleri, Markov Karar Süreçleri (MDP'ler), MDP'lerin Biçimciliği, Ödül Fonksiyonu, Durum Geçişleri, Politika, Değer Fonksiyonu ve Bellman denklemleri, Dinamik Programlama (DP): İlke değerlendirmesi, ilke yinelemesi, değer yinelemesi ve Monte Carlo yöntemleri. Zamansal Fark (TD) Öğrenimi: Politika içi ve politika dışı öğrenme, Q-learning, SARSA ve uygunluk izleri. Fonksiyon Yaklaşımı: Doğrusal ve doğrusal olmayan fonksiyon yaklaşımı ve derin pekiştirmeli öğrenme. Keşif ve Sömürü: epsilon-greedy, softmax ve UCB gibi keşif stratejileri.

Dersin Ön Koşulu

Temel programlama, lineer cebir ve olasılık teorisi bilgisi.

Kaynaklar

Sutton, Richard S., and Andrew G. Barto. Reinforcement learning: An introduction. MIT press, 2018.

Notlar

Sutton, Richard S., and Andrew G. Barto. Reinforcement learning: An introduction. MIT press, 2018.

Dersin Öğrenme Çıktıları

Program Öğrenme Çıktıları ile İlişkisi

Haftalık Akış

Öğrenci İş Yükü - AKTS