[강화학습] 강화학습 커리큘럼

강화학습 (Reinforcement Learning) 강의 계획안

강의 목표

• 강화학습의 기본 개념과 원리 이해
• 주요 강화학습 알고리즘 학습
• 강화학습을 사용하여 실제 문제 해결 경험

강의 기간: 12주 (주 1회, 회당 2시간)

 

강의 일정 및 내용

주차주제내용실습/과제

1주차	강화학습 개요	강화학습의 기본 개념 및 응용 분야	강화학습 개념 요약
2주차	MDP와 기본 원리	마코프 결정 과정(MDP)와 기본 원리 이해	MDP 모델링 실습
3주차	가치 함수와 벨만 방정식	가치 함수, 벨만 방정식 및 최적 정책	벨만 방정식 구현
4주차	동적 프로그래밍	정책 반복, 가치 반복	정책 반복 및 가치 반복 구현
5주차	몬테카를로 방법	몬테카를로 예측, 제어 방법	몬테카를로 방법 실습
6주차	시간차 학습	TD(0), Sarsa, Q-learning	TD 학습 알고리즘 구현
7주차	정책 기반 방법	REINFORCE 알고리즘, 액터-크리틱 방법	정책 기반 알고리즘 구현
8주차	심층 강화학습 개요	심층 Q-네트워크(DQN), 주요 개념	DQN 구현 실습
9주차	심층 강화학습 심화	이중 DQN, 우선순위 경험 재생	심화된 DQN 구현
10주차	정책 최적화	A3C, PPO, TRPO	정책 최적화 알고리즘 구현
11주차	최신 연구 동향	최신 강화학습 연구 논문 리뷰	논문 요약 및 토론
12주차	프로젝트 발표 및 피드백	프로젝트 발표 및 피드백	프로젝트 보고서 제출