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. - Einführung in überwachtes Lernen und Optimierung |
|
Qualifikationsziele | (1) Die Studierenden können ein Problem im Formalismus des Reinforcement Learning ausdrücken und einen geeigneten Algorithmus zu dessen Lösung auswählen. |
|
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/ |
|
Zuletzt angeboten | Wintersemester 2021 | |
Geplant für | Wintersemester 2024 | |
Zugeordnete Studienbereiche | INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV |