AI Application & Practice (인공지능 응용 및 실습, Fall Semester, 2023 – CSE544)
“Student-professor relationships are based on trust. Acts,
which violate this trust, undermine the educational process.
Your classmates and the professor will not tolerate violations
of academic integrity”
1. Course Schedule & Lecture Notes
실습 내용 Github 리포지토리 (Term-Project Code 포함):
Term-Project - AI Olympics Competition 공지:
Term-Project - AI Olympics Competition 참고 사이트:
Term-Project - Teams participating in the AI Olympics :
온라인 강의 (E-Learning) 콘텐츠 강의 자료 원본 - 1 (01. 강화 학습의 기본 ~ 10. 정책 반복과 가치 반복 알고리즘 구현 및 실험 [실습]): Click
온라인 강의 (E-Learning) 콘텐츠 강의 자료 원본 - 2 (01. 몬테카를로 예측의 기본 ~ 12. Tic-Tac-Toe 강화 학습 게임 에이전트 개발 및 훈련 [실습]): Click
Term-Project - AI Olympics Competition 공지:
Term-Project - AI Olympics Competition 참고 사이트:
Term-Project - Teams participating in the AI Olympics :
- 팀 1 "윤성빈": 최창민, 김지원
- 팀 2 "LINK": 홍의찬, 김태규, 남선식
- 팀 3 "데이터독수리스": 한상준, 장기환, 이환률
온라인 강의 (E-Learning) 콘텐츠 강의 자료 원본 - 1 (01. 강화 학습의 기본 ~ 10. 정책 반복과 가치 반복 알고리즘 구현 및 실험 [실습]): Click
온라인 강의 (E-Learning) 콘텐츠 강의 자료 원본 - 2 (01. 몬테카를로 예측의 기본 ~ 12. Tic-Tac-Toe 강화 학습 게임 에이전트 개발 및 훈련 [실습]): Click
| 주차 | 회 | Date | Lecture | Notice |
|---|---|---|---|---|
| 1주차 | 01 | 08월 28일(월) | - 강의 소개 오프라인 | |
| 02 | 08월 30일(수) | - 강화학습 소개 오프라인 강의 노트 | ||
| 2주차 | 03 | 09월 04일(월) | - 온라인 강의 (E-Learning) | |
| 04 | 09월 06일(수) | - 강화학습 기초 1: 강화학습 구성요소와 마르코프 결정 과정 오프라인 강의 노트 | ||
| 3주차 | 05 | 09월 11일(월) | - 온라인 강의 (E-Learning) | |
| 06 | 09월 13일(수) | - 강화학습 기초 2: 정책과 가치 오프라인 강의 노트 | ||
| 4주차 | 07 | 09월 18일(월) | - 온라인 강의 (E-Learning) | |
| 08 | 09월 20일(수) | - Q Learning 알고리즘의 이해 및 실습 오프라인 강의 노트 | ||
| 5주차 | 09 | 09월 25일(월) | - 온라인 강의 (E-Learning) | |
| 10 | 09월 27일(수) | - DQN 알고리즘의 이해 및 실습 오프라인 강의 노트 | ||
| 6주차 | 11 | 10월 02일(월) | - 온라인 강의 (E-Learning) | - |
| 12 | 10월 04일(수) |
오프라인 - DQN 알고리즘 복습 - Advantage Actor-Critic (A2C) 알고리즘의 이해(1) 강의 노트 |
||
| 7주차 | 13 | 10월 09일(월) | - 온라인 강의 (E-Learning) | |
| 14 | 10월 11일(수) |
오프라인 - A2C 알고리즘의 이해(2) - A2C 알고리즘 구현 및 실습 |
||
| 8주차 | 15 | 10월 16일(월) | - 온라인 강의 (E-Learning) | |
| 16 | 10월 18일(수) | - Proximal Policy Optimization (PPO) 방법의 이해 오프라인 강의 노트 | ||
| 9주차 | 17 | 10월 23일(월) | - 온라인 강의 (E-Learning) | |
| 18 | 10월 25일(수) | - PPO 구현 및 실습 오프라인 | ||
| 10주차 | 19 | 10월 30일(월) | - 온라인 강의 (E-Learning) | |
| 20 | 11월 01일(수) |
오프라인 - PPO를 활용한 Gymnasium 물리 제어 환경 훈련: CartPole, Pendulum, Acrobot, LunarLander, LunarLanderContinuous, BipedalWalker, MountainCarContinuous - 과제 공지 Click |
||
| 11주차 | 21 | 11월 06일(월) | - 온라인 강의 (E-Learning) | |
| 22 | 11월 08일(수) | - 중간고사(이론) 오프라인 | ||
| 12주차 | 23 | 11월 13일(월) | - 온라인 강의 (E-Learning) | |
| 24 | 11월 15일(수) | - Term Project: Q&A 오프라인 | ||
| 13주차 | 25 | 11월 20일(월) | - 온라인 강의 (E-Learning) | |
| 26 | 11월 22일(수) | - Term Project: Warm-up Day 1 오프라인 | ||
| 14주차 | 27 | 11월 27일(월) | - 온라인 강의 (E-Learning) | |
| 28 | 11월 29일(수) | - Term Project: Warm-up Day 2 오프라인 | ||
| 15주차 | 29 | 12월 04일(월) | - 온라인 강의 (E-Learning) | |
| 30 | 12월 06일(수) | - Term Project: Warm-up Day 3 오프라인 | ||
| 16주차 | 31 | 12월 11일(월) | - Term Project: Olympic Day 오프라인 | |
| 32 | 12월 13일(수) | - 온라인 강의 (E-Learning) 오프라인 |
2. Course Information
- Lecturer: 한연희 교수 / 김주봉 박사 (Rm. 2공학관 423호, Email: yhhan@koreatech.ac.kr / 2공학관 433호, Email: rlawnqhd@koreatech.ac.kr)
- Classes: 월요일 (6, 7교시, 14:00-15:50), 수요일 (6, 7교시, 14:00-15:50)
- Lecture Room: 2공학관 409호
- 수업조교(TA): 지창훈 박사과정 (Email: koir5660@koreatech.ac.kr)
- Course Board(숙제 제출 사이트): http://el2.koreatech.ac.kr
- Prerequisites: 스크립트프로그래밍, 알고리즘및실습, 인공지능기초및실습, 기계학습및실습
3. E-Learning Courses
4. References
- 주교재: 홈페이지에서 제공
- 부교재: Reinforcement Learning: An Introduction
R. Sutton, and A. Barto.
The MIT Press, Second edition, (2018)
5. Logistics
- Attendance – one class absence will result in the deduction of two points out of 100 points. Five absences will not result in ten points deduction, but “failure” (i.e., grade ‘F’) in this course.
- Exam – there will be midterm exam and final exam for the evaluation of the knowledge learned from the class.
- Homework – much intensive homework will be set. Any cheating (or copying) will result in grade ‘F’.
5. Evaluation
- Attendance (10%), Quiz & Assignment (10%), Midterm exam (35%), Final term project (45%)