【导读】伯克利在秋季学期开设了《深度强化学习课程》,有6名老师和28节课程,是想学习强化学习的读者不可错过的一门课程。 讲师介绍 Sergey Levine,29岁,加州大学伯克利分校助理教授。Levine 研究贡献在于教会机器人如何观察,并从以往的成功案例中学习经验,将已经十分出众的图像识别分类算法用于机器人机械臂。首先,Levine给机械臂设定一些手头上很容易解决的目标(比如,拧上瓶盖),完成之后机械臂就可以回顾之前的成功案例并从中学习经验。机器人会观测视觉系统数据如何映射到机械臂的电机信号,从而正确地完成任务。此外,机器人还会监督自己的学习过程。 个人主页: https://people.eecs./~svlevine/ Gregory Kahn,加州大学伯克利分校博士生。主要研究目标是开发能够使机器人在现实世界中运行的算法。 致力于移动机器人的深度强化学习研究。https://people.eecs./~gregoryk/ Michael Chang,加州大学伯克利分校博士生。研究兴趣是归纳偏见和算法约束。http://mbchang./ https://people.eecs./~rakelly/ Sid Reddy,加州大学伯克利分校博士生。探索机器学习、机器人技术和认知科学的交叉部分。感兴趣的是将人工智能和机器智能结合起来,以解决顺序决策问题https://people.eecs./~reddy/ 课程介绍
01: 课程介绍和概述 02:监督学习和模拟 03:TensorFlow和神经网络回顾 04:强化学习介绍 05:策略梯度介绍 06:actor-critic方法 07:高级Q-学习算法 08:高级actor-critic算法 09:高级策略梯度 10:优化控制和规划 11:模仿最优控制学习策略 12:从数据学习动态系统 13:高级模型学习和镜像 14:概率与变分推断 15:推断与控制 16:逆向强化学习 17:探索1 18:探索2 19:迁移学习和多任务学习 20:元学习 21:并行强化系统设计 22:高级模仿学习和开放问题 23:邀请讲者:Craig Boutilier,多伦多大学计算机科学系教授,谷歌首席科学家之一 24:邀请讲者: Kate Rakelly & Gregory Kahn 25:邀请讲者:Quoc Le,谷歌研究员 26:邀请讲者: Karol Hausman 27:Project展示 28:Project展示 课程地址: http://rail.eecs./deeprlcourse/ 深度强化学习概述 |
|
来自: LibraryPKU > 《机器学习》