Difference between r1.61 and the current

@@ -5,11 +5,11 @@

1. Unsupervised learning
1. Reinforcement learning
== supervised learning ==

* 학습을 시킬 때 input으로 ~~value와~~ ~~label을~~ 함께 전달

* Learning from difference between prediction and ~~target~~

* 학습을 시킬 때 input으로 feature(입력값)와 label(원하는 결과값)을 함께 전달

* Learning from difference between prediction and label

* e.g. mnist, classification
== unsupervised learning ==

* input: ~~value만~~ 입력, projection등으로 ~~전처리한~~ ~~값들로~~ 계산

* input: feature만 입력, 보통 projection등으로 feature의 차원을 축소시킨다.

* Cluster by distance between inputs
* Human can't predict the outcome
* e.g. clustering

@@ -17,7 +17,7 @@

* 일종의 unsupervised learning
* input : environment, reward, output : action
* Learn from try

* Model free

* Model free: 게임의 규칙을 알려주지 않음

* e.g. game play, stock trading
== reinforcement learning ==
* Q learning

@@ -33,7 +33,7 @@

* Value iteration, Polish iteration

== 실습 ==

* [https://gym.openai.com gym]: Reinforcement learning을 위한 고전 게임들을 python으로 포팅한 toolkit. 직접 구현한 것도 있고 atari는 포팅함. [https://github.com/openai/gym in github]에 코드가 공개되어 있다.

* [https://gym.openai.com gym]: Reinforcement learning을 위한 고전 게임들을 python으로 포팅한 toolkit. 직접 구현한 것도 있고 atari는 포팅함. [https://github.com/openai/gym github]에 코드가 공개되어 있다.

* 오늘 실습할 [https://gym.openai.com/envs/CartPole-v0 cartpole]
* 필요한 라이브러리: numpy, gym, tensorflow 필요
{{{

1. machine learning

1.1. supervised learning

1.2. unsupervised learning

1.3. reinforcement learning

1.4. reinforcement learning

1.5. Basic knowledge

1.6. 실습

1.6.1. 순서

1.7. Reference

1.8. Furthermore

1.9. 후기 및 기타의견

1. machine learning ¶

머신 러닝의 세가지 분류

Supervised learning
Unsupervised learning
Reinforcement learning

1.1. supervised learning ¶

학습을 시킬 때 input으로 feature(입력값)와 label(원하는 결과값)을 함께 전달
Learning from difference between prediction and label
e.g. mnist, classification

1.2. unsupervised learning ¶

input: feature만 입력, 보통 projection등으로 feature의 차원을 축소시킨다.
Cluster by distance between inputs
Human can't predict the outcome
e.g. clustering

1.3. reinforcement learning ¶

일종의 unsupervised learning
input : environment, reward, output : action
Learn from try
- Model free: 게임의 규칙을 알려주지 않음
e.g. game play, stock trading

1.4. reinforcement learning ¶

Q learning
Q learning + Neural Network
DQN : Deep Q Learning
- hidden layer를 늘리는게 다가 아니다!

1.5. Basic knowledge ¶

MDP : Markov Decision Process
Bellman equation
Dynamic programming
Value, Polish
Value function, Polish function
Value iteration, Polish iteration

1.6. 실습 ¶

gym: Reinforcement learning을 위한 고전 게임들을 python으로 포팅한 toolkit. 직접 구현한 것도 있고 atari는 포팅함. github에 코드가 공개되어 있다.
- 오늘 실습할 cartpole
필요한 라이브러리: numpy, gym, tensorflow 필요
```
  $ pip install gym
  $ pip install tensorflow 
```

1.6.1. 순서 ¶

일단 cartpole 실행을 해보자! - cartpole_init.py
random action(왼쪽, 오른쪽)을 하는 cartpole - cartpole_random.py
q-network(q-learning의 NN버전) - cartpole_qnetwork.py
DQN - cartpole_dqn.py
2015에 Deep Mind에서 발표한 DQN - cartpole_dqn2015.py

데블스캠프2017/강화학습으로컴퓨터에게고전게임플레이시키기

Difference between r1.61 and the current

Contents