IBM
교육개요
현직자 여러분, 앞서 나가는 인공지능 기술을 마스터하고자 한다면, '강화학습' 강의에 주목해 주세요.
이 강의는 복잡한 수식을 명확히 이해하고, 딥러닝 기반의 강화학습 알고리즘을 통해 최적의 의사결정 모델을 개발하는 방법을 단계별로 깊이 있게 다룹니다.
이 강의는 단순한 이론 전달이 아닌, 실무 중심의 접근을 통해 여러분이 실제 문제를 해결할 수 있는 실질적인 능력을 갖추도록 도와줄 것입니다. AI 분야에서 한 걸음 더 나아가고 싶은 분들을 위한 강의, 지금 바로 시작하세요!
교육목표
수식에 대한 이해 방법, 딥러닝 강화학습 알고리즘 및 강화학습을 통해 최적 의사결정 모델을 개발 방법 학습합니다.
강의내용
[Chapter1. Pytorch 기본]
· 학습 목표
PyTorch와 TensorFlow의 장단점 및 기본 구조를 이해한다.
· 주요 내용
1. Pytorch vs Tensorflow
2. Pytorch기반 신경망 구축 코드리뷰
[Chapter2. Deep Reinforcement Learning]
· 학습 목표
특정 문제에 Q-Learning 및 DQN을 적용하여 해결하는 방법을 이해하고, 적절한 파라미터 및 하이퍼파라미터를 조정하여 모델을 향상 시킵니다.
· 주요 내용
1. 강화학습 소개
2. Dynamic Programming
3. Q-Learning and Markov Decision Process
4. DQN
5. DDPG
[Chapter3. Imitation Learning]
· 학습 목표
Imitation Learning의 장단점을 파악하고 실제 응용 가능성을 이해하며, Inverse Reinforcement Learning의 주요 알고리즘들을 이해하고, 각각의 특징과 용도를 알아봅니다.
· 주요 내용
1. Imitation Learning
2. Inverse Reinforcement Learning
3. Applications to Autonomous Driving