Diese Vorlesung vermittelt die Grundlagen des "Reinforcement Learning", welches einen wichtigen Teilbereich des Maschinellen Lernens darstellt. Das Ziel beim Reinforcement Learning besteht darin in verschiedenen Situationen jeweils die optimale Aktion zu wählen, so dass das Verhalten eines Agenten optimal gesteuert werden kann. Bekannte Beispiele des Reinforcement Learning sind zum Beispiel:
Im Rahmen der Vorlesung wird zuerst die Grundidee des Reinforcement Learning vermittelt und das unterliegende formale Framework eingeführt. Beginnend mit einfachen Ansätzen werden zunehmend fortgeschrittenere Methoden beleuchtet, bis hin zum Training eines Agenten welcher automatisch lernt Atari-Spiele zu spielen.
Die Vorlesung enthält einen Praxisanteil, bei dem mit Hilfe von Python und PyTorch die vorgestellten Ansätze nachimplementiert werden.
Vorkenntnisse in Python sind wünschenswert aber nicht zwingend notwendig.
Diese Veranstaltung findet als Blockvorlesung statt und ist auf max. 20 Teilnehmer beschränkt.
Details zur Anmeldung finden sich im entsprechenden Ilias-Eintrag unter
"Lehrinhalte Dozenten Informatik" -> "Lehrinhalte von Prof. Dr. Patrick Baier" -> " Vorlesung Reinforcement Learning"
