K-MOOC

주차

주차명(주제)

차시

차시명(학습내용)

평가방법

1

강화학습 소개

1-1

강화학습의 개요

퀴즈

1-2

강화학습의발전 과정

1-3

강화학습의 구성 요소

1-4

강화학습의 동작 방식

1-5

강화학습의 문제 해결 방법

2

다중 슬롯머신 문제

1-1

다중 슬롯머신 소개

퀴즈

1-2

탐욕적 알고리즘

1-3

점진적 구현

1-4

신뢰 상한 행동 선택

1-5

경사도 다중 슬롯머신 알고리즘

3

마르코프 결정 프로세스

(MDP)

1-1

MDP의 정의

퀴즈

1-2

MDP의 구성 요소

1-3

MDP의 목표

1-4

정책 평가와 개선

1-5

MDP를 활용한 문제 해결

4

벨만 방정식

1-1

상태 가치 함수의
벨만 기대 방정식

퀴즈

1-2

행동 가치 함수의
벨만 기대 방정식

1-3

상태 가치 함수의
벨만 최적 방정식

1-4

행동 가치 함수의
벨만 최적 방정식

1-5

벨만 방정식의 적용

5

모델 기반 플래닝

1-1

동적 프로그래밍 소개

퀴즈

1-2

반복적 정책 평가

1-3

정책 최적화를 위한 정책 반복법

1-4

정책 최적화를 위한 가치 반복법

1-5

정책 반복법과 가치 반복법 비교

6

모델 프리 가치 평가

1-1

모델 프리 학습 개요

퀴즈

1-2

MC(Monte Carlo) 기반 가치 평가

1-3

TD(Temporal Difference) 기반 가치 평가

1-4

MC와 TD 기법 비교

1-5

TD 기법의 확장

7

모델 프리 정책 최적화

1-1

MC 기반 정책 최적화

퀴즈, 과제

1-2

SARSA 알고리즘

1-3

Q-러닝 알고리즘

1-4

SARSA와 Q-러닝 알고리즘 비교

1-5

SARSA와 Q-러닝의 변형

8

중간고사

중간고사 응시

중간고사

9

강화학습을 위한 딥러닝

1-1

딥러닝 개요

퀴즈

1-2

CNN(Convolutional Neural Network)

1-3

RNN(Recurrent Neural Network)

1-4

신경망의 학습

1-5

강화학습에서 딥러닝의 역할

10

심층 강화학습

1-1

강화학습에서 피드백 유형

퀴즈

1-2

강화학습을 위한 함수 근사화

1-3

Q-러닝의 신경망 구현

1-4

정책 경사법 소개

1-5

심층 강화학습 알고리즘 분류

11

가치 기반 심층 강화학습

1-1

DQN(Deep Q Network)

퀴즈

1-2

Double DQN

1-3

Dueling DQN

1-4

우선순위 경험 재현

1-5

Rainbow

12

정책 기반 심층 강화학습

1-1

REINFORCE 알고리즘

퀴즈

1-2

Actor-Critic 알고리즘

1-3

DDPG(Deep Deterministic Policy Gradient)

1-4

SAC(Soft Actor-Critic)

1-5

TRPO(Trust Region Policy Optimization)와 PPO(Proximal Policy Optimization)

13

강화학습과 알파고

1-1

알파고의 구조

퀴즈

1-2

MCTS(Monte Carlo Tree Search)

1-3

알파고의 학습 방법

1-4

알파고 제로

1-5

알파제로

14

메타 강화학습

1-1

메타러닝 소개

퀴즈

1-2

메타러닝 종류

1-3

순환 정책 메타 강화학습

1-4

최적화 기반 메타 강화학습

1-5

컨텍스트 기반 메타 강화학습

15

기말고사

기말고사 응시

기말고사