自強課程

課程名稱

AI時代的深度強化學習：入門與實踐熱烈招生中

Deep Reinforcement Learning (DRL) in the Age of AI: An Introduction and Hands-on Practice

課程代碼：

15C601

上課時間：

2026/01/17~2026/01/18兩天09:30~16:30

上課時數：

12 小時

上課地點：

台南市歸仁區歸仁十三路一段160號<致遠樓一樓>

課程費用：

9800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)
早安鳥方案：會員於開課二週前(含)報名並完成繳費，可享超值優惠價 9000 元

課程目標：

本課程旨在協助學員建立深度強化學習（Deep Reinforcement Learning, DRL）的基礎知識，熟悉常見 DRL 演算法，透過實作將DRL應用在AI問題上。

課程特色：

理論與實務兼備：從基礎概念到進階演算法，逐步建立完整的 DRL 知識體系。
熱門演算法精選：涵蓋 SARSA、DQN、A2C、PPO 等常用演算法，掌握業界與研究常見方法。
動手實作導向：每個單元皆配有 Google Colab 筆記本，提供可立即運行的程式範例。
易於入門：專為具備 Python 基礎的學員設計，降低學習門檻，快速掌握 DRL 精髓。
應用視野拓展：結合理論與案例，讓學員了解 DRL 在生成式 AI 與物理AI 中的應用潛力。

修課條件：

有興趣的學員皆可參加

課程大綱：

1. Formulation of Reinforcement Learning
(DRL01_ML.ipynb & DRL02_FronzenLake1.ipynb)
2. Deep Learning Basics & Cross-Entropy Method
(DRL03_NN.ipynb & DRL04_CrossEntropy.ipynb)
3. Bellman Equation and Value Iteration Methods
(DRL05_ValueFunction4V.ipynb, DRL06_ValueFunction4Q.ipynb)
4. Monte Carlo Method vs. Temporal Difference Method
(DRL07_MC.ipynb)
5. Deep Q-Network (DQN) for Pong Game
(DRL08_DQN.ipynb)
6. Policy-Based Methods
(DRL09_HillClimbing.ipynb, DRL10_REINFORCE.ipynb)
7. Policy-Value Combined Methods
(DRL11_AAC.ipynb)
8.Proximal Policy Optimization (PPO) Method
(DRL12_PPO.ipynb)
9. Course Summary and Outlook
(DRL13_SB3_PPO.ipynb, DRL14_SKRL_PPO.ipynb)

課程師資：

自強基金會專業講師

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)。

課前請詳閱簡章之課程內容或利用課程諮詢電話。本課程為實作課程，則學員須100%負擔實作材料費用。