Moses - Weiterführende Themen im Bereich verstärkendes Lernen

Zur Modulseite PDF generieren

Modul / Version
#40969 / #2

Gültigkeit
WiSe 2022/23 - SoSe 2024

Verfügbare Sprache(n)
English

Titel des Moduls
Advanced topics in Reinforcement Learning
Weiterführende Themen im Bereich verstärkendes Lernen

Leistungspunkte
6

Modulverantwortliche*r
Obermayer, Klaus

Benotung
Benotet

Prüfungsform
Portfolioprüfung

Lehrsprache(n)
English

Zugehörigkeit

Fakultät
Fakultät IV

Institut
Institut für Softwaretechnik und Theoretische Informatik

Fachgebiet
34351300 FG Neuronale Informationsverarbeitung

Prüfungsausschuss
Keine Angabe

Kontakt

Sekretariat
MAR 5-6

Ansprechpartner*in
Groiß, Camilla

E-Mail-Adresse
sekr@ni.tu-berlin.de

Webseite

http://www.ni.tu-berlin.de/teaching/

Diese Modulbeschreibung ist nicht oder nicht vollständig auf deutsch hinterlegt.

Es wird stattdessen der Inhalt der folgenden Sprachversion angezeigt: Englisch.

Klicken Sie hier um die Inhalte der fehlenden oder unvollständige Sprachversion (Deutsch) anzuzeigen

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum WiSe 2022/23 - SoSe 2024.

Lernergebnisse

After successful completion, participants are able to apply at least one state-of-the-art technique in Deep Reinforcement Learning and present their results to other students. They will be able to reproduce and communicate scientific research and also have a more specific and deeper knowledge of how the brain works depending on reinforcement.

Lehrinhalte

Participants will survey the recent literature on Reinforcement Learning, present one state-of-the-art method of their choice and then apply it in a coding project.

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Advanced topics in Reinforcement Learning	SEM	3435 L 10262	WiSe/SoSe	en	2

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Advanced topics in Reinforcement Learning (SEM):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Attendance	15.0	2.0h	30.0h
Pre/post processing	15.0	10.0h	150.0h
			180.0h(~6 LP)

Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Participants will research the relevant literature on Reinforcement learning, more specifically in topics related to safety and control. Each student will have at least one chance to present a paper. Students will carry out a coding project and complete an individual research project or an in-depth literature survey at the end of the course. The module will be held in English.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Required skills include: literature research, presentation of researched articles; students should already be familiar with artificial intelligence Participants are expected to have background knowledge comparable to the topics covered in Machine Intelligence I + II .

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolio examination

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

English

Prüfungselemente

Name	Punkte	Kategorie	Dauer/Umfang
(Deliverable assessment) Coding project	30	praktisch	30 hours
(Deliverable assessment) Project presentation	50	praktisch	40 minutes
(Deliverable assessment) Literature review	20	schriftlich	6 hours

Notenschlüssel

Notenschlüssel »Notenschlüssel 2: Fak IV (2)«

Gesamtpunktzahl	1.0	1.3	1.7	2.0	2.3	2.7	3.0	3.3	3.7	4.0
100.0pt	95.0pt	90.0pt	85.0pt	80.0pt	75.0pt	70.0pt	65.0pt	60.0pt	55.0pt	50.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

Portfolio exam 100 points in total

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Winter- und Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 30.

Anmeldeformalitäten

registration via MOSES; exam takes place in English language

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: nicht verfügbar

Literatur

Empfohlene Literatur
Sutton, R.S. & Barto, A.G.: reinforcement learning: An introduction. MIT press, 2018
Bertsekas, D.: Reinforcment Learning and Optimal Control. Athena Scientific, 2019
Amodei, D., Olah, J., Steinhardt, J. Christiano, P., Schulman, J. and Mane, D.: Concrete Problems in AI Safety. 2016

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

	Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Sonstiges

Keine Angabe