Skip to content

Latest commit

 

History

History
66 lines (44 loc) · 2.76 KB

index.md

File metadata and controls

66 lines (44 loc) · 2.76 KB
Raw

Deep Reinforcement Learning for HCIL Masters

Github Google Drive

1. 개요

  1. 강화학습을 공부합니다.
  2. 실습과 구현에 집중합니다.
  3. 전원 완주를 목표로 합니다.

2. 계획

  • 처음 5주 동안 홍콩과기대 김성훈 교수님의 강의를 듣습니다.
  • 다음 2주 동안 Open AI Gym에서 어려운 것 1개 혹은 쉬운 것 2개를 골라서 자유 구현합니다.
    • 수강생끼리는 프로젝트가 겹치지 않게 합니다.
회차 날짜 제목 발표자
1 2019.7.15 Dummy Q Learning 김민지
2 2019.7.22 Q-learning exploit & exploration and discounted reward 김준회
3 2019.7.29 Q-learning in nondeterministic world 박관모
4 2019.8.5 Q-network 정석원
5 2019.8.12 DQN 최길웅
6 2019.8.19 프로젝트 구현 1 고형권
7 2019.8.26 프로젝트 구현 2 안단태

강의 동영상 및 자료는 시즌 RL 페이지에서 참조하세요.

3. 진행 방식

3-1. 수강생의 할 일

  • 발표자를 제외한 모든 수강생은 매주 금요일 자정까지 실습 과제를 수행합니다.
  • 또한, 코드와 수행 결과를 요약한 보고서를 발표자에게 보내야 합니다. (필수 내용만 포함해서 간단하게 써주세요)
  • 과제 수행 중 질문사항은 목요일 자정 이후에 발표자에게 물어보세요!

3-2. 발표자의 할 일

발표자는 세미나 시간 전까지 다음을 준비해야 합니다.

  • 목요일 자정 전까지 숙제를 숙지해서 수강생 질문에 대비
  • 자신의 코드를 잘 정리해서(모듈화, 주석 등) 본 레포지토리와 구글 드라이브에 업로드
  • 수강생들의 코드를 본 레포지토리와 구글 드라이브에 업로드
  • 수강생들의 과제 수행률에 대한 점검
  • 학습 내용에 대한 간단한 리뷰

3-3. 세미나 시간에 하는 일

세미나 시간엔 발표자의 브리핑을 듣고, 수강생들이 서로의 코드를 보면서 피드백을 주고 받습니다.

Projects

5주차: 주제 발표

2주 동안 구현할 강화학습 프로젝트 주제 제안발표를 준비해 와주시기 바랍니다 (3 슬라이드 이내)

  • 필수 포함 내용: 환경에 대한 설명(개관, observation space, action space, reward)과 프로젝트의 목표 수치

너무 쉬운 주제를 가져오시면 청중의 피드백에 의해 반려/강화될 수 있습니다. OpenAI Gym Environment는 다음의 카테고리만 허용됩니다.

  1. Atari
  2. Box2D
  3. MuJoCo
  4. Roboschool
  5. Robotics