In this course, you will learn about several algorithms that can learn near optimal policies based on trial and error interaction with the environment---learning from the agent’s own experience. Learning from actual experience is striking because it requires no prior knowledge of the environment’s dynamics, yet can still attain optimal behavior. We will cover intuitively simple but powerful Monte Carlo methods, and temporal difference learning methods including Q-learning. We will wrap up this course investigating how we can get the best of both worlds: algorithms that can combine model-based planning (similar to dynamic programming) and temporal difference updates to radically accelerate learning.
Ce cours fait partie de la Spécialisation Apprentissage par renforcement
Offert par
Université de l'Alberta
Alberta Machine Intelligence Institute
Spécialisation Apprentissage par renforcementUniversité de l'AlbertaÀ propos de ce cours
114,818 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 2 sur 4 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Probabilities & Expectations, basic linear algebra, basic calculus, Python 3.0 (at least 1 year), implementing algorithms from pseudocode
Approx. 22 heures pour terminer
Anglais
Sous-titres : Français, Portugais (brésilien), Russe, Anglais, Espagnol
Compétences que vous acquerrez
Artificial Intelligence (AI)Machine LearningReinforcement LearningFunction ApproximationIntelligent Systems
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 2 sur 4 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Probabilities & Expectations, basic linear algebra, basic calculus, Python 3.0 (at least 1 year), implementing algorithms from pseudocode
Approx. 22 heures pour terminer
Anglais
Sous-titres : Français, Portugais (brésilien), Russe, Anglais, Espagnol
Offert par
Université de l'Alberta
UAlberta is considered among the world’s leading public research- and teaching-intensive universities. As one of Canada’s top universities, we’re known for excellence across the humanities, sciences, creative arts, business, engineering and health sciences.
Alberta Machine Intelligence Institute
The Alberta Machine Intelligence Institute (Amii) is home to some of the world’s top talent in machine intelligence. We’re an Alberta-based
Programme du cours : ce que vous apprendrez dans ce cours
1 heure pour terminer
Welcome to the Course!
Welcome to the second course in the Reinforcement Learning Specialization: Sample-Based Learning Methods, brought to you by the University of Alberta, Onlea, and Coursera. In this pre-course module, you'll be introduced to your instructors, and get a flavour of what the course has in store for you. Make sure to introduce yourself to your classmates in the "Meet and Greet" section!
1 heure pour terminer
2 vidéos (Total 10 min), 2 lectures
2 lectures
Reinforcement Learning Textbook10 min
Read Me: Pre-requisites and Learning Objectives10 min
3 heures pour terminer
Monte Carlo Methods for Prediction & Control
This week you will learn how to estimate value functions and optimal policies, using only sampled experience from the environment. This module represents our first step toward incremental learning methods that learn from the agent’s own interaction with the world, rather than a model of the world. You will learn about on-policy and off-policy methods for prediction and control, using Monte Carlo methods---methods that use sampled returns. You will also be reintroduced to the exploration problem, but more generally in RL, beyond bandits.
3 heures pour terminer
11 vidéos (Total 58 min), 3 lectures, 2 quiz
11 vidéos
What is Monte Carlo?6 min
Using Monte Carlo for Prediction6 min
Using Monte Carlo for Action Values2 min
Using Monte Carlo methods for generalized policy iteration2 min
Solving the Blackjack Example3 min
Epsilon-soft policies5 min
Why does off-policy learning matter?4 min
Importance Sampling4 min
Off-Policy Monte Carlo Prediction5 min
Emma Brunskill: Batch Reinforcement Learning12 min
Week 1 Summary3 min
3 lectures
Module 1 Learning Objectives10 min
Weekly Reading40 min
Chapter Summary40 min
1 exercice pour s'entraîner
Graded Quiz30 min
5 heures pour terminer
Temporal Difference Learning Methods for Prediction
This week, you will learn about one of the most fundamental concepts in reinforcement learning: temporal difference (TD) learning. TD learning combines some of the features of both Monte Carlo and Dynamic Programming (DP) methods. TD methods are similar to Monte Carlo methods in that they can learn from the agent’s interaction with the world, and do not require knowledge of the model. TD methods are similar to DP methods in that they bootstrap, and thus can learn online---no waiting until the end of an episode. You will see how TD can learn more efficiently than Monte Carlo, due to bootstrapping. For this module, we first focus on TD for prediction, and discuss TD for control in the next module. This week, you will implement TD to estimate the value function for a fixed policy, in a simulated domain.
5 heures pour terminer
6 vidéos (Total 37 min), 2 lectures, 2 quiz
6 vidéos
Rich Sutton: The Importance of TD Learning6 min
The advantages of temporal difference learning5 min
Comparing TD and Monte Carlo5 min
Andy Barto and Rich Sutton: More on the History of RL12 min
Week 2 Summary2 min
2 lectures
Module 2 Learning Objectives10 min
Weekly Reading40 min
1 exercice pour s'entraîner
Practice Quiz30 min
6 heures pour terminer
Temporal Difference Learning Methods for Control
This week, you will learn about using temporal difference learning for control, as a generalized policy iteration strategy. You will see three different algorithms based on bootstrapping and Bellman equations for control: Sarsa, Q-learning and Expected Sarsa. You will see some of the differences between the methods for on-policy and off-policy control, and that Expected Sarsa is a unified algorithm for both. You will implement Expected Sarsa and Q-learning, on Cliff World.
6 heures pour terminer
9 vidéos (Total 30 min), 3 lectures, 2 quiz
9 vidéos
Sarsa: GPI with TD4 min
Sarsa in the Windy Grid World3 min
What is Q-learning?3 min
Q-learning in the Windy Grid World3 min
How is Q-learning off-policy?4 min
Expected Sarsa3 min
Expected Sarsa in the Cliff World3 min
Generality of Expected Sarsa1 min
Week 3 Summary2 min
3 lectures
Module 3 Learning Objectives10 min
Weekly Reading40 min
Chapter summary40 min
1 exercice pour s'entraîner
Practice Quiz30 min
7 heures pour terminer
Planning, Learning & Acting
Up until now, you might think that learning with and without a model are two distinct, and in some ways, competing strategies: planning with Dynamic Programming verses sample-based learning via TD methods. This week we unify these two strategies with the Dyna architecture. You will learn how to estimate the model from data and then use this model to generate hypothetical experience (a bit like dreaming) to dramatically improve sample efficiency compared to sample-based methods like Q-learning. In addition, you will learn how to design learning systems that are robust to inaccurate models.
7 heures pour terminer
11 vidéos (Total 47 min), 4 lectures, 2 quiz
11 vidéos
What is a Model?4 min
Comparing Sample and Distribution Models2 min
Random Tabular Q-planning3 min
The Dyna Architecture5 min
The Dyna Algorithm5 min
Dyna & Q-learning in a Simple Maze5 min
What if the model is inaccurate?3 min
In-depth with changing environments5 min
Drew Bagnell: self-driving, robotics, and Model Based RL7 min
Week 4 Summary1 min
Congratulations!2 min
4 lectures
Module 4 Learning Objectives10 min
Weekly Reading40 min
Chapter Summary40 min
Text Book Part 1 Summary40 min
1 exercice pour s'entraîner
Practice Assessment45 min
Avis
Meilleurs avis pour SAMPLE-BASED LEARNING METHODS
par NG25 juin 2020
It's an important course in understanding the working of reinforcement learning. Although some important and complex topics are not explored in this course which are mentioned in the textbook.
par AA11 août 2020
Great course, giving it 5 stars though it deserves both because the assignments have some serious issues that shouldn't actually be a matter. All the other parts are amazing though. Good job
par MC29 juin 2020
This course excellent, my only complaint is that there is a 5 attempts limits and a 4 months wait to retry. It seems excesive to me and adds extra pressure when taking on assignments.
par KM9 janv. 2020
Really great resource to follow along the RL Book. IMP Suggestion: Do not skip the reading assignments, they are really helpful and following the videos and assignments becomes easy.
À propos du Spécialisation Apprentissage par renforcement
The Reinforcement Learning Specialization consists of 4 courses exploring the power of adaptive learning systems and artificial intelligence (AI).
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
- Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
- Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Is financial aid available?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
Puis-je obtenir des crédits universitaires si je réussis le Cours ?
Ce Cours n'est pas associé à des crédits universitaires, mais certaines universités peuvent décider d'accepter des Certificats de Cours pour des crédits. Vérifiez-le auprès de votre établissement pour en savoir plus. Les Diplômes en ligne et les Certificats Mastertrack™ sur Coursera apportent la possibilité d'obtenir des crédits universitaires.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
