自強課程

課程名稱

Python強化學習及通用人工智慧 Python Hands-On on Reinforcement Learning towards Artificial General Intelligence 熱烈招生中

📢超級早鳥優惠：➡會員114/7/17(含)前報名：7,800元/人!

課程代碼：

14W322

上課時間：

8/7、8/14，星期四，09:00-16:00，共二週12小時。

上課時數：

12 小時

上課地點：

清華大學第四綜合大樓(清華大學東側門入口處左手邊即為自強基金會大門入口/清大郵局左側)

課程費用：

8500元 (符合超值優惠價格者需送出報名表後，系統發出報名成功回函確認金額。)

超值優惠：

VIP企業會員價：VIP企業會員可享優惠價格 (按我)
會員優惠價： 會員於開課前七天完成報名繳費者可享會員優惠價 8000 元
團報價方案：會員2人同行，可享同行價 7800 元(須於課前告知)
會員紅利折抵：本課程歡迎使用紅利折抵，最高可使用 100 點

課程目標：

學習強化學習各種解題方法的理論與應用實務，並能運用TensorFlow、PyTorch、Keras、OpenAI等Python套件與函式庫，讓學員短時間內掌握強化學習的重要知識。

課程特色：

強化學習(Reinforcement Learning, RL)處理的問題涉及動態環境下的一系列相依決策，而非彼此獨立或一次性的決策制定。其目標在於尋找長期或跨期規劃下的最佳(optimal long-term planning)控制與決策，作業研究 (Operations Research, OR)中的確定性模型與隨機模型均與此類問題相關，動態規劃(dynamic programming)、馬可夫鏈(Markov chains)、馬可夫決策過程(Markov Decision Processes, MDP)、蒙地卡羅模擬(Monte Carlo simulation)等，都是牽涉其中的觀念與解決方法。而應用的場景包括下棋、Atari遊戲、汽車自動駕駛、機器人控制、供應鏈運作、製造品質與設備維護、行銷個人化與推薦系統、財務投資、智慧城市與資通安全等。
與機器學習的另外兩大支柱 - 監督式學習與非監督式學習相比，RL是在不確定的情況下，尋求長期利益最大化的控制與決策過程。它是從試誤經驗中不斷精煉解題策略的無精確目標學習方式，是創建智慧代理人(agent，或稱智能體)邁向通用人工智慧的計算框架。本課程結合案例數據進行實作，期能激發參與者對智能系統各種應用的興趣，邁向機器自主學習與譬劃未來的新境界。

修課條件：

已修習機器學習或深度學習相關課程

課程大綱：

1.強化學習背景知識
　1-1.隨機變數與機率函數
　1-2.抽樣與蒙地卡羅法
　1-3.梯度下降與倒傳遞更新
2.強化學習原理
　2-1.循序決策相關名詞與動態規劃(狀態state、行動action、狀態轉移transition、報酬reward、政策policy、回報return 、價值value等)
　2-2.隨機過程、馬可夫鏈、貝爾曼方程與馬可夫決策過程
　2-3.價值最佳化方法(時間差法, SARSA, Q-learning, 高級技巧)
　2-4.政策最佳化方法(政策梯度policy gradient)
　2-5.行動者-評論家方法(actor-critic method)
　2-6.連續控制與其他主題

課程師資：

鄒慶士教授
專長：機率與統計學習、進化式多目標最佳化、賽局模型應用、系統模擬與強化學習、時間序列分析與控制
現任：國立臺北商業大學資訊與決策科學研究所暨智能控制與決策研究室教授
經歷：
香港科技大學(廣州)工業信息與智能研究所訪問教授(2024.10~2025.01)
國立臺北商業大學校務永續發展中心主任(2023.08~2024.07)暨推廣教育部主任(2024.02~2024.07)

主辦單位:

財團法人自強工業科學基金會

學員須知：

報名與繳退費方法｜常見問題與解決｜會員紅利積點活動辦法

注意事項

清華大學學生優惠方案：清華大學學生可享課程最低優惠價─VIP企業會員優惠價，完成報名後須來電告知修改費用(使用本優惠價須於報名同時檢附在學中有效的清華大學學生證，且不得開立抬頭「國立清華大學」以外的三聯式公司發票)。

若遇不可預測之突發因素，基金會保有相關課程調整、取消及講師之變動權。

無紙化環境，輕鬆達到減碳救地球，即日起16小時以上課程結業證書或未達16小時課程上課證明皆以電子方式提供。

使用VIP廠商優惠之學員，上課當日報到時須查核該公司識別證(相關證明資料)。

會員紅利折抵限以原價或會員優惠價再折抵，其他方案不適用。

課前請詳閱簡章之課程內容或利用課程諮詢電話。

課程嚴禁旁聽，亦不可攜眷參與。