MRL - 1 : 시작하기

 해당글은 Sung Kim님이 정리하신글을 노트한 내용이다.
 강의 원본은 : 
 실습소스는(별도로소스오픈을 안하셔서-깃허브에 자가? 코딩한내용이다.): 
 강의자료 원본은:

 딥러닝의 기본지식이 있다는 전재하에 진행되는 강의 이므로  이글을 처음 보는 사람이 있다면  머신런닝을 이해하고 나서 딥러닝에 대한 개념을 이해하고 보는 것이  정신적으로 이득이다, 기초적인 내용은 부가설명 없이 안다는걸 전재하고 진행하기때문이다.

 

 

전체 학습목표

  Q런닝이 무엇인지 알아보고 알파고가 어떻게 한계를 극복하고 해결했는지를 강의과정을 통해 이해하게된다.

학습내용요약

   RL 환경구축활용을 위해 gym을 이용하고 gym의 환경안에서 초창기 알고리즘동작과 딥러닝 적용과정에서의 문제점 이를 극복하고 처리하는 과정을 단계별로 나누어 정리된 강좌이다. 

 

   이분은 코딩(파이선+tensorflow)관점으로 정리하다보니, 원론이 아니 흔히 개발하는 개발자관점에서 그래서 어떻게 구현하는데에 초점을 맞추어 강의를 진행하였다.

 

---

강의 시작의 첫내용이다.

---

 

 

---

 

 

강의 스케줄은 7개의 강좌와 실습형태로 이루어 지지만, 5개로 함축할필요가 있어 5개로 정리한다.

 

---

Online video lectures

• A Tutorial on Reinforcement Learning, https://simons.berkeley.edu/talks/tutorialreinforcement-learning 2017

• Berkeley CS 294: Deep Reinforcement Learning, Spring 2017 http://rll.berkeley.edu/ deeprlcourse/, 2017

• MIT 6.S094: Deep Learning for Self-Driving Cars (Lecture 2) http:// selfdrivingcars.mit.edu/, 2017

• Deep Reinforcement Learning (John Schulman, OpenAI) https://www.youtube.com/ watch?v=PtAIh9KSnjo&t=2457s (summary) and https://www.youtube.com/watch? v=aUrX-rP_ss4&list=PLjKEIQlKCTZYN3CYBlj8r58SbNorobqcp (4 lectures)

• UCL, David Silver, Reinforcement Learning http://www0.cs.ucl.ac.uk/staff/d.silver/ web/Teaching.html, 2015

• Stanford Andrew Ng CS229 Lecture 16 https://www.youtube.com/watch? v=RtxI449ZjSc, 2008

 

해당강의들을 보고 축약하신 내용이고 더 공부 하고 싶은사람은 해당내용으로 보강하면 된다고 하지만...

 

저거 다본다?? 음 추천 하지 않는다. 내가 해봐서 안다. 몇개만 찝어서 보시길....

 

개념잡는데는 여기에 정리된 내용만 이해한다 하더라도 충분할것 같다