Nummer

ML-4350
Titel

Reinforcement Learning
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht (oder Klausur, wird noch festgelegt)

Inhalt

Die Vorlesung deckt das gesamte Themenspektrum des Reinforcement Learning ab, vom grundlegenden Formalismus und der Theorie bis hin zu modernen Algorithmen.
Die Vorlesung wird von Übungen begleitet, die helfen, das mathematische Verständnis zu vertiefen und praktische Erfahrungen bei der Implementierung von Algorithmen zu sammeln.

- Einführung in überwachtes Lernen und Optimierung
- Grundlagen des Reinforcement Learning (RL) und von Markov-Entscheidungsprozessen
- Dynamische Programmierung, Vorhersage und Kontrolle
- Approximation von Wertfunktionen
- Policy-Gradient
- Deep RL, Steuerung in kontinuierlichen Zustands-Aktions-Domänen
- Optimale Steuerung und modellbasiertes RL
- Fortgeschrittene Themen in RL

Qualifikationsziele

(1) Die Studierenden können ein Problem im Formalismus des Reinforcement Learning ausdrücken und einen geeigneten Algorithmus zu dessen Lösung auswählen.
(2) Die Studierenden sind in der Lage, eine Reihe von Deep Reinforcement Learning Algorithmen zu implementieren und deren Verhalten zu analysieren.
(3) Die Studierenden können die Herausforderungen beim Reinforcement Learning erklären und neue Reinforcement Learning Methoden bewerten und charakterisieren.

Vergabe von Leistungspunkten/Benotung
Lehrform
Status
SWS
LP
Prüfungsform
Prüfungsdauer
Benotung
Berechnung
Modulnote (%)
Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Martius
Literatur / Sonstiges

Reinforcement learning by Sutton and Barto http://incompleteideas.net/
book/bookdraft2017nov5.pdf
Pattern Recognition and Machine Learning by C.M. Bishop, Chap. 3 and 5
Deep Learning by Goodfellow, Bengio and Courville https://www.
deeplearningbook.org / Recommended to attend basic Machine learning class before.

Zuletzt angeboten Wintersemester 2021
Geplant für Wintersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV