МОВС Обучение с подкреплением (RL) 2023-24 7 модуль — различия между версиями
Материал из Wiki - Факультет компьютерных наук
(→Материалы курса) |
(→Формула оценивания) |
||
| Строка 53: | Строка 53: | ||
==Формула оценивания== | ==Формула оценивания== | ||
| − | Оценка = МИН(10, 10*(0. | + | Оценка = МИН(10, 10*(0.6*HW/14 + 0.3*RC/5 + 0.1*TA/9)), где HW - сумма баллов за 4 ДЗ (1 простое и 3 сложных), RC - оценка за презентацию статьи, TA - сумма баллов за квизы. |
== Домашние задания == | == Домашние задания == | ||
Версия 18:25, 18 января 2024
Содержание
О курсе
Занятия проводятся в Zoom по субботам в 14:30.
Контакты
Чат курса в TG: chat link
Преподаватель: Лактионов Сергей Дмитриевич
| Ассистент | Контакты |
|---|---|
| Кирилл Козлов | @dedpe |
| Илья Никитин | @is_nikitin |
Материалы курса
Ссылка на плейлист курса на YouTube: YouTube-playlist
Записи лекций и семинаров предпредыдущего потока: [Яндекс.Диск]
Ссылка на GitHub с материалами курса: GitHub repository
| Занятие | Тема | Дата | |
|---|---|---|---|
| 1 Запись | Ноутбук Introduction to RL, Bellman equations, Dynamic Programming | 20/01/24 | |
| 2 Запись | Ноутбук Model-free RL, tabular case | 27/01/24 | |
| 3 Запись | Ноутбук Intro to deep RL: from DQN to RAINBOW and beyond | 03/02/24 | |
| 4 Запись | Ноутбук Policy Gradients Methods, Actor-Critic | 10/02/24 | |
| 5 Запись | Ноутбук Advanced Actor-Critic Algorithms: TRPO, PPO | 17/02/24 | |
| 6 Запись | Ноутбук Continuous Control: DDPG, TD3, SAC | 24/02/24 | |
| 7 Запись | Ноутбук Offline RL | 02/03/24 | |
| 8 Запись | Ноутбук Multi-armed Bandits | 09/03/24 | |
| 9 Запись | Ноутбук Model-based RL | 16/03/24 | |
| 10 Запись | Ноутбук Reinforcement Learning from Human Feedback | 23/03/24 |
Формула оценивания
Оценка = МИН(10, 10*(0.6*HW/14 + 0.3*RC/5 + 0.1*TA/9)), где HW - сумма баллов за 4 ДЗ (1 простое и 3 сложных), RC - оценка за презентацию статьи, TA - сумма баллов за квизы.
Домашние задания
- HW-1 "Deep Cross-Entropy Method" (2 балла + 0.5) | Мягкий дедлайн - ..., Жёсткий - ... | Ноутбук
- HW-2 "Markov Decision Process" (2 балла + 0.5) | Мягкий дедлайн - ..., Жёсткий - ... | Ноутбук
- HW-3 "DQN CNN Implementation" (4 балла + 6.75) | Мягкий дедлайн - ..., Жёсткий - ... | Ноутбук
- HW-4 "Advantage-Actor Critic" (4 балла + 0.5) | Мягкий дедлайн - ..., Жёсткий - ... | Ноутбук
- Разбор статьи (40% общей оценки) | Список примеров | Таблица для записи | Дедлайн - ...
Литература
- Саттон, Р. С. - Обучение с подкреплением
- https://eds.p.ebscohost.com/eds/detail/detail?vid=9&sid=43ffa483-7342-447f-8a09-ab883238b6e9%40redis&bdata=JnNpdGU9ZWRzLWxpdmU%3d#AN=1094&db=nlebk
