IA949 - Introdução ao Aprendizado por Reforço | Introduction to Reinforcement Learning | Introducción al Aprendizaje por Refuerzo
Turma: A -
Período: 1/2027 -
Tipo Período: 1o. período letivo -
Disciplina: 4 créditos.
Ementa: Introdução ao Aprendizado por Reforço. Processos de decisão de Markov. Programação Dinâmica. Métodos de Monte Carlo. Aprendizado por Diferença Temporal. Métodos tabulares de planejamentoe aprendizagem. Controle com política própria e aproximação. Traços de elegibilidade. Métodos do gradiente de política. Aprendizado por Reforço Profundo e Gradiente de Política Avançado.
Bibliografia: 1. SUTTON, R. S.; BARTO, A. G. Reinforcement learning: an introduction. 2a edição. Cambridge, USA: MIT Press, 2020. 2. RUSSELL, S.; NORVIG, P. Artificial intelligence: a modern approach. 3a edição. New Jersey, USA: Prentice Hall : Pearson Education, 2010. 3. GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A.; Deep Learning. MIT Press, 2016.
Conteudo Programático: Resolução de Problemas Usando Técnicas de Busca. Introdução ao Aprendizado por Reforço e aplicações na engenharia. O problema do bandido de vários braços. Processos de decisão de Markov. Equação de Bellman. Programação Dinâmica. Métodos de Monte Carlo. Aprendizado por Diferença Temporal. Atualização em n passos (bootstrapping). Métodos tabulares de planejamento e aprendizagem. Predição com aproximação sob a política própria (on-policy). Controle com política própria e aproximação. Traços de elegibilidade. Métodos do gradiente de política. Revisão de Redes Neurais Artificiais. Redes Densas e Redes Convolucionais. Aprendizado por Reforço Profundo: Deep Q-Learning. Gradiente de Política Avançado.
Conteudo Programático em Inglês: Problem Solving Using Search Techniques. Introduction to Reinforcement Learning and applications in engineering. The multi-armed bandit problem. Markov decision processes. Bellman equation. Dynamic Programming. Monte Carlo methods. Temporal Difference Learning. Bootstrapping. Tabular planning and learning methods. Prediction with approximation under eigenpolicy (on-policy). Control with eigenpolicy and approximation. Eligibility traits. Policy gradient methods. Review of Artificial Neural Networks. Dense Networks and Convolutional Networks. Deep Reinforcement Learning: Deep Q-Learning. Advanced Policy Gradient.
Conteudo Programático em Espanhol: Resolución de problemas mediante técnicas de búsqueda. Introducción al aprendizaje por refuerzo y sus aplicaciones en ingeniería. El problema del bandido multi-brazo. Procesos de decisión de Markov. Ecuación de Bellman. Programación dinámica. Métodos de Monte Carlo. Aprendizaje por diferencia temporal. Bootstrapping. Planificación tabular y métodos de aprendizaje. Predicción con aproximación bajo política propia (en política). Control con política propia y aproximación. Rasgos de elegibilidad. Métodos de gradiente de política. Revisión de redes neuronales artificiales. Redes densas y redes convolucionales. Aprendizaje profundo por refuerzo: aprendizaje Q profundo. Gradiente de política avanzado.
Forma Avaliação: Listas de exercícios, testes e trabalho final computacional.
Ofertar para Graduação:
Sim Número Limite de Alunos de Graduação:
15
Aceita Estudante Especial:
Sim
Número de Alunos Total:
de 5 até 25