【共筆】🤗 Deep Reinforcement Learning 》時程總表

資料科學 強化學習
,
1

如何提高完課率： 我對共同學習的一些想法

▌共學說明

12月15日開始，每週日晚上 10 點線上分享及討論（需登入 zoom）。

Zoom meeting 連結

共學進行方式：討論該週上課內容，並交流作業的解決方案。

本文設為共筆，歡迎大家共同維護更新。（為方便點擊網址進入主文，本文已關閉回文功能）

▌進度安排

參考文章：使用 ChatGPT 協助修改進度表格

日期 主題 導讀 筆記 錄影
12月15日 Unit 1. Introduction to Deep Reinforcement Learning
Bonus Unit 1. Introduction to Deep Reinforcement Learning with Huggy		 Howard [筆記] [YouTube]
12月22日 Unit 2. Introduction to Q-Learning syd [筆記] [YouTube]
12月29日 Unit 3. Deep Q-Learning with Atari Games spencer [筆記] [YouTube]
1月12日 Bonus Unit 2. Automatic Hyperparameter Tuning with Optuna
Unit 4. Policy Gradient with PyTorch		 [筆記] [YouTube]
1月19日 Unit 5. Introduction to Unity ML-Agents [筆記] [YouTube]
2月9日 Unit 6. Actor Critic methods with Robotics environments [筆記] [YouTube]
2月16日 Unit 7. Introduction to Multi-Agents and AI vs AI [筆記] [YouTube]
2月23日 Unit 8. Part 1 Proximal Policy Optimization (PPO)
Unit 8. Part 2 Proximal Policy Optimization (PPO) with Doom		 [筆記] [YouTube]
3月2日 Bonus Unit 3. Advanced Topics in Reinforcement Learning [筆記] [YouTube]
3月9日 [筆記] [YouTube]
3月16日 [筆記] [YouTube]
3月23日 [筆記] [YouTube]
3月30日 [筆記] [YouTube]

▌課程資訊

課程介紹之後補上

▌共學守則

  1. 會遲到 5分鐘以上或無法上線，先在 discord 知會其他人，勿常常缺席。

  2. 分享者需對自己當週分享的內容負責。

  3. 分享前或分享後，把筆記連結分享到論壇(不知道怎麼做可把連結貼在 discord，由班代代勞)。

  4. 課程中遇到問題，善用 Q&A 向老師提問，不要把問題留著。

  5. 積極提問、討論。

▌大會報告：公開錄影

今年新募集課程，錄影皆公開上傳 YouTube，不同意者請不要參與共學，感謝配合。

祝大家學習順利大成功！