Eskişehir Teknik Üniversitesi Eskişehir Teknik Üniversitesi
  • Kurumsal
  • Akademik Programlar
  • Öğrenci İçin Bilgi
  • English
Program Hakkında Eğitim Amaçları Program Yeterlilikleri (Çıktıları) Dersler - AKTS Kredileri Alan Yeterlilikleri Ders - Prog. Yeterlilik İlişkileri Alan & Prog. Yeterlilik İlişkileri Ders - Sürdürülebilir Kalkınma Amaçları İlişkisi
  • Bilgisayar ve Bilişim Bilimleri Fakültesi
  • Yapay Zeka ve Makine Öğrenmesi Pr. (İngilizce)
  • Dersler - AKTS Kredileri
  • Reinforcement Learning (Pekiştirmeli Öğrenme)
  • Tanıtım
  • Tanıtım
  • Öğrenme Çıktıları
  • Program Çıktılarına Katkısı
  • ÖÇ-PÇ İlişkisi
  • AKTS İş Yükü

Ders Bilgileri

Ders Kodu - Ders Adı YZM3006 - Reinforcement Learning (Pekiştirmeli Öğrenme)
Ders Türü Zorunlu Dersler
Ders Dili İngilizce
Teori + Uygulama 3+2
AKTS 6.0
Öğretim Elemanları DOKTOR ÖĞRETİM ÜYESİ NİHAL İNCE
Dersin Veriliş Biçimi Bu ders sadece yüz yüze eğitim şeklinde yürütülmektedir.
Dersin Önkoşulları Bu dersin ön koşulu ya da eş koşulu bulunmamaktadır.
Önerilen Dersler Bu dersle ilişkili önerilen başka dersler bulunmamaktadır.
Zorunlu ya da Önerilen Kaynaklar Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction (2nd ed.). MIT Press.Szepesvári, C. (2010). Algorithms for reinforcement learning. Morgan & Claypool Publishers.Graesser, L., & Keng, W. L. (2020). Foundations of deep reinforcement learning: Theory and practice in Python. Addison-Wesley Professional.Geron, A. (2019). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems (2nd ed.). O'Reilly Media.Ravichandiran, S. (2018). Hands-on reinforcement learning with Python: Master reinforcement learning and deep reinforcement learning architectures using OpenAI Gym and TensorFlow. Packt Publishing.
Okuma Listesi Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction (2nd ed.). MIT Press.Szepesvári, C. (2010). Algorithms for reinforcement learning. Morgan & Claypool Publishers.Graesser, L., & Keng, W. L. (2020). Foundations of deep reinforcement learning: Theory and practice in Python. Addison-Wesley Professional.Geron, A. (2019). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems (2nd ed.). O'Reilly Media.Ravichandiran, S. (2018). Hands-on reinforcement learning with Python: Master reinforcement learning and deep reinforcement learning architectures using OpenAI Gym and TensorFlow. Packt Publishing.
Değerlendirme 1 ara sınav, 1 proje, 1 final
Staj & Uygulama Bu ders için uygun değildir.
Sürdürülebilir Kalkınma Amaçları

Ders İçeriği

Haftalar Konular
1. hafta Pekiştirmeli Öğrenme Nedir? Ajan, Ortam, Ödül. MÖ paradigmaları arasındaki farklar.
2. hafta Markov Karar Süreçleri. Politikalar ve Değer Fonksiyonları.
3. hafta Bellman Beklenti Denklemleri.
4. hafta Bellman Optimalite Denklemleri.
5. hafta Model-tabanlı Çözümler: Dinamik Programlama - Politika İterasyonu.
6. hafta Dinamik Programlama - Değer İterasyonu.
7. hafta Model-içermeyen Tahmin: Monte Carlo (MC) Metotları.
8. hafta Model-içermeyen Kontrol: Zamansal Fark Öğrenmesi, SARSA.
9. hafta Q-Learning.
10. hafta Fonksiyon Yakınlaşması.
11. hafta Derin Pekiştirmeli Öğrenme: Derin Q-Network.
12. hafta Keras ile Derin Pekiştirmeli Öğrenme Uygulaması.
13. hafta Politika Gradyan Yöntemleri: REINFORCE Algoritması.
14. hafta Politika Gradyan Yöntemleri: Aktör-Kritik Mimarisi.

Öğretim Yöntem ve Teknikleri

  • Öğretim Yöntemleri
  • Anlatım
  • Tartışma
  • Soru-Yanıt
  • Takım/Grup Çalışması
  • Uygulama - Alıştırma
  • Sorun/Problem Çözme
  • Rapor Hazırlama ve/veya Sunma
  • Proje Tasarımı/Yönetimi
  • Öğretim Yeterlilikleri
  • Üretken
  • Akılcı
  • Sorgulayan
  • Takım halinde çalışabilme
  • Zamanı etkili kullanma
  • Farklılıklara saygı gösterme
  • Eleştirel düşünebilme
  • Soyut analiz ve sentez yapma
  • Problem çözme
  • Bilgiyi yönetme
  • Bağımsız çalışma
  • Temel matematik becerileri
  • Karar verme becerisi
  • Proje Tasarlama ve Yönetme

Ölçme ve Değerlendirme

Değerlendirme Yöntemi ve Geçme Kriterleri
Sayısı Yüzde (%)
Toplam (%) 0
  • Kurumsal
  • İsim ve Adres
  • Akademik Takvim
  • Yönetim Kadrosu
  • Kurum Hakkında
  • Akademik Programlar
  • Genel Kabul Şartları
  • Önceki Öğrenmenin Tanınması
  • Kayıt İşlemleri
  • AKTS Kredi Sistemi
  • Akademik Danışmanlık
  • Akademik Programlar
  • Doktora / Sanatta Yeterlik
  • Yüksek Lisans
  • Lisans
  • Önlisans
  • Öğrenci İçin Bilgi
  • Şehirde Yaşam
  • Konaklama
  • Beslenme Olanakları
  • Tıbbi Olanaklar
  • Engelli Öğrenci Olanakları ı
  • Sigorta
  • Maddi Destek
  • Öğrenci İşleri Daire Başkanlığı
  • Öğrenci İçin Bilgi
  • Öğrenim Olanakları
  • Uluslararası Programlar r
  • Değişim Öğrencileri için Pratik Bilgiler
  • Dil Kursları
  • Staj
  • Sosyal Yaşam ve Spor Olanakları
  • Öğrenci Kulüpleri