Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage, sowohl die Theorie und die Methoden des Reinforcement Learning inklusive der neuesten Entwicklungen zu verstehen, zu erklären und anzuwenden als auch die wichtigsten Algorithmen zu implementieren.
[Heuer (Sommersemester 2024) mit erweitertem Skriptum!]
Reinforcement Learning ist ein Teilgebiet der künstlichen Intelligenz bzw. des maschinellen Lernens und beschäftigt sich mit der Entwicklung von Strategien, mit deren Hilfe ein Agent seinen Erfolg in einer stochastischen Umgebung (model free) maximieren kann. Zu den Anwendungen zählen Robotik (OpenAI gym bzw. Gymnasium), computer vision, Spiele (wie z.B. Go, Schach, Atari 2600 oder Dota 2) auf menschlichem Niveau oder besser und vieles mehr. Nicht zuletzt ist RL der letzte und wichtigste Trainingsschritt in Large Language Models (LLM) wie ChatGPT und Gemini.
Theorie und Algorithmen des Reinforcement Learning:
Im Übungsteil wird die Theorie vertieft und die Algorithmen werden implementiert.
Vortrag, Skriptum, Übung.
Übungsteil und zwei Tests.
The theoretical aspects will be explained in the lectures in a self-contained manner. The usual knowledge of linear algebra, calculus, and probability theory is required.