Inhalt

[ 536MLPEREIU20 ] UE (*)Reinforcement Learning

Versionsauswahl
(*) Leider ist diese Information in Deutsch nicht verfügbar.
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
1,5 ECTS B3 - Bachelor 3. Jahr Informatik Gerhard Widmer 1 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Bachelorstudium Artificial Intelligence 2020W
Ziele (*)Consolidation of content taught in the lecture through practical implementation
Lehrinhalte (*)
  • Implementing and testing selected solution methods for k-armed Bandits
  • Implementing and testing selected table-based solution methods for MDPs with discrete state spaces
  • Implementing and testing selected approximate solution methods for MDPs with continuous state spaces
Beurteilungskriterien (*)
  • Active participation
  • Positive completion of exercises
Lehrmethoden (*)
  • Thorough explanation of the used software
  • Verbal explanation of each new exercise, additional hints, programming tips, and practical examples
Abhaltungssprache Englisch
Literatur (*)Richard S. Sutton and Andrew G. Barto. 2018. Introduction to Reinforcement Learning (2nd. edition). MIT Press, Cambridge, MA, USA.
Lehrinhalte wechselnd? Nein
Äquivalenzen (*)in collaboration with 536MLPEREIV20: VL Reinforcement Learning (3 ECTS) equivalent to
536MLPEREIK19: KV Reinforcement Learning (4.5 ECTS)
Präsenzlehrveranstaltung
Teilungsziffer 24
Zuteilungsverfahren Direktzuteilung