코스 이미지

논문과 함께 편히 배우는 DQN(Deep Q Network)

2015년 2월, 엄청난 관심을 불러왔던 논문
Human-level control through deep reinforcement learning'(Nature) 내용을 기반으로
Deep Q Network 를 배워봅시다!

논문과 함께 편히 배우는 Deep Q Network

현시점, DQN 에만 집중하는 유일한 강의. 어려운 논문 읽기는 강사와 편하고 쉽게, 중요한 개념은 적절한 예시와 함께 잘 씹어넘길 수 있게 준비했어요.

  • 2.3강 까지 무료! 수강 기간 제한 없음!
  • DQN 이론은 논문과 함께 탄탄히, 실습 예제는 Pygame 으로 제작한 Pong 게임을 통해 알아봅니다.
  • 논문에 나오는 어려운 개념, 수식은 적절한 예시를 통해 비교적 쉽게 표현했습니다.
  • 수강 중 생기는 질문은 '질문' 탭에 남겨주시면 강사님이 직접 답변을 해드려요!
  • 수강료 50,000원 에 평생가는 DQN 이론, 실습 예제, 소중한 질문 & 답변의 기회를 모두 잡으세요!


저명한 DQN 논문과 함께 이론을 탄탄히, 실습 예제는 TensorFlow로

  • 강화학습의 기초를 DQN 중심으로 배울 수 있는 강의.
  • 혼자서는 읽기 힘든 논문을 강사님의 설명과 함께 이해할 수 있어요.
  • 논문 내용 중 꼭 직접 경험해봐야 할 것들은 TensorFlow로 실습!
  • 수식이나 각종 어려운 개념 때문에 DQN 학습이 엄두도 안난다면, 추천해요.

필요한 선행 지식

아래 항목들에 대해 기본적인 지식은 있는 상태로 수강하는 것을 권장합니다. 강의에서는 논문 자체에 많이 집중하기에 파이썬 기초 문법이나 텐서플로우 기초에 대해서는 다루지 않을 예정입니다.

  • Python
  • TensorFlow
  • Convolutional Neural Network


이런 분들에게 추천합니다

1 딥러닝에 관심이 있고 CNN에 대해 알지만, DQN은 모르는 분.

2 Python과 TensorFlow로 아래와 같은 프로젝트를 해보고 싶으신 분.

  • 예1: 모형 자동차가 내가 만든 트랙을 따라 움직이게 만들고 싶다.
  • 예2: 로봇 강아지가 간식을 따라서 걸어다니게 만들고 싶다.
  • 기타 등등, 행동을 제어하는 것과 관련이 있는 프로젝트.


커리큘럼

# 대주제 소주제
1 시작에 앞서: 강의 소개 강의 개요 및 소개, 테스트 환경 및 강의 목표
2 Q-Learning 이론
  • 강화 학습이란?
  • Grid World
  • Q-Learning
  • Q-Learning 개요
  • Q-Table
  • Q-Learning의 학습 및 학습 예시
  • Epsilon Greedy
  • Q-Learning 전체 과정 데모
3 Q-Learning 코드
  • Pygame 환경 설명 및 예시
  • 모듈 및 파라미터 설정
  • Main 함수 개요
  • Main 내부의 함수들 설명
4 Deep Q Network(DQN) 이론 및 코드
  • Q-Learning 의 한계와 DQN의 개선점
  • DQN의 이론 및 학습
  • DQN의 코드 및 Pong 게임의 개요
  • 게임 모듈 및 파라미터 설정
  • Convolutional Neural Network 관련 설정
  • Main 함수의 개요
  • Main 내부의 함수들 설명
  • DQN의 학습 결과
5 DQN의 기법들
  • Frame Skipping & Stacking
  • Frame Stacking
  • Frame Skipping
  • Frame Stacking & Skipping의 코드 설명
  • Experience Replay
  • Experience Replay 이론
  • Experience Replay 코드 설명
  • Target Network
  • Target Network 이론: Target Network 와 일반 Network 의 차이, 그 필요성
  • Target Network 코드
  • 모든 기법들을 적용한 DQN 결과
  • Pong을 이용한 성능 확인
  • DQN을 기반으로 하는 다양한 기법들
  • 강화학습의 발전 동향


민규식 강사님

한양대학교 미래자동차공학과 기계감지 및 제어연구실

  • 페이스북 페이지 Reinforcement Learning Korea 운영진
  • Machine Learning Camp Jeju 2017 참가

"강화학습, 특히 알파고 이후 딥 강화학습 에 대한 관심은 나날이 높아져왔습니다. 이런 분야를 공부하려면 논문과도 친해야 하고, 수식 그리고 영어와도 친해야 하는데요. 관련 업무를 하는 사람이 아니라면 사실 그 모든게 어렵고 힘들 뿐입니다.
이 강의는 바로 그 지점에서 허덕이는 분들을 위해 만든 강의입니다. 강화학습의 기초 알고리즘 Q-Learning 과 딥 강화학습의 기초에 해당하는 DQN에 대해 쉽게 이야기하려고 노력했습니다. 수강하시면서 생기는 어려움이 있으시면 언제든지 질문란에 남겨주세요!"