『모두를 위한 딥러닝 Deep Reinforcement Learning 』 은
인공지능이 스스로 학습하고 행동을 선택하는 원리를 익힐 수 있도록 설계된 입문 강의입니다. 강아지 훈련이나 게임 플레이를 예로 들어 보상 기반 학습 개념을 쉽게 이해하고, Q-Learning부터 DQN까지의 핵심 알고리즘을 구현해봅니다.
OpenAI Gym 환경을 통해 탐험, 보상, 정책의 흐름을 실습 중심으로 익힐 수 있도록 구성되어 있습니다.
복잡한 수식 없이도 원리를 이해할 수 있도록 설계되어, 직접 실험하며 강화학습의 핵심 구조를 체득하게 됩니다.
특히 이러한 강화학습 기초는 최근 주목 받는 Reasoning 기반 AI 모델의 근간이 되는 이론으로, 최신 흐름을 이해하는 데 중요한 발판이 됩니다.
AI가 어떻게 ‘결정하고 배우는지’를 알고 싶다면, 이 강의가 가장 실용적인 출발점이 되어줄 것입니다.
Sung Kim (김성훈)
Hong Kong University of Science and Technology 에서 컴퓨터 공학쪽으로 연구를 하고 있습니다.
3.1. Dummy Q-learning (table)
20:49
3.2. [Lab3] Dummy Q-learning (table)
12:58
4.1. Q-learning exploit&exploration and discounted reward
17:00
4.2. [Lab4]Q-learning exploit&exploration and discounted reward
06:57
5.1. Q-learning in non-deterministic world
13:56
5.2. [Lab5-1] Q-learning in non-deterministic world
09:29
5.3. [Lab5-2] Q-learning (Table) Demo by Jae Hyun Lee
00:38
6.1. Q-Network
16:43
6.2. [Lab6-1]Q Network for Frozen Lake
18:03
6.3. [Lab6-2] Q Network for Cart Pole
21:41
7.1. DQN
17:46
7.2. [Lab7-1] DQN 1 (NIPS 2013)
19:23
7.3. [Lab7-2] DQN 2 (Nature 2015)
15:59
7.4. [Lab7-3] DQN Cart Pole Demo
00:22
7.5. [Lab7-4] DQN Simple Pacman Demo (여러분은 최고 몇 점까지 갈수 있나요?)
01:25
첫 번째 수강평을 남겨주세요!
다른 수강생에게 큰 도움이 됩니다.
100% 100,000원
0원
