Reinforcement Learning and Practice (강화학습및실습) - CSS410, Spring Semester, 2026
“학생과 교수 사이의 관계는 신뢰를 바탕으로 합니다. 이러한 신뢰를 저버리는 행위는 교육의 본질을 훼손하게 됩니다. 함께 수업을 듣는 여러분 모두는 학문적 윤리를 해치는 행위를 하지 않도록 최선을 다해야 합니다. 다만, 학습 목적에 부합하는 AI 활용은 학문적 윤리 위반에 해당하지 않습니다. 오히려 AI와의 상호작용을 통해 학습의 깊이와 효과를 높이는 것은 권장합니다.”
1. Course Schedule & Lecture Notes [수업 실습 코드], [수업 질의 응답]
| 주차 | 회 | Date | Lecture | Notice |
|---|---|---|---|---|
| 1주차 | 01 | 03월 02일(월) | 삼일절 대체공휴일 | |
| 02 | 03월 03일(화) |
- 00. Course Introduction - 01. Introduction to Reinforcement Learning (Part 1) 강의 노트 |
- Development Environment 강의 노트 | |
| 2주차 | 03 | 03월 09일(월) | - 01. Introduction to Reinforcement Learning (Part 2) | |
| 04 | 03월 10일(화) | - 02. Multi-Armed Bandit 강의 노트 | ||
| 3주차 | 05 | 03월 16일(월) | - 03. Markov Decision Process (Part 1) 강의 노트 | |
| 06 | 03월 17일(화) | - 03. Markov Decision Process (Part 2) | ||
| 4주차 | 07 | 03월 23일(월) | - 04. Value Functions | |
| 08 | 03월 24일(화) | - 05. Dynamic Programming | ||
| 5주차 | 09 | 03월 30일(월) | - 06. Monte Carlo Control (Part 1) | |
| 10 | 03월 31일(화) | - 06. Monte Carlo Control (Part 2) | ||
| 6주차 | 11 | 04월 06일(월) | - 07. Temporal Difference | |
| 12 | 04월 07일(화) | - 08. SARSA and Q-Learning (Part 1) | ||
| 7주차 | 13 | 04월 13일(월) | - 08. SARSA and Q-Learning (Part 2) | |
| 14 | 04월 14일(화) | - 09. Deep Q-Network (Part 1) | ||
| 8주차 | 15 | 04월 20일(월) | - 09. Deep Q-Network (Part 2) | |
| 16 | 04월 21일(화) | - 10. Deep Q-Network Application (Part 1) | ||
| 9주차 | 17 | 04월 27일(월) | - 10. Deep Q-Network Application (Part 2) | |
| 18 | 04월 28일(화) | - 11. Policy Gradient (Part 1) | ||
| 10주차 | 19 | 05월 04일(월) | - 11. Policy Gradient (Part 2) | |
| 20 | 05월 05일(화) | 어린이날 공휴일 | ||
| 11주차 | 21 | 05월 11일(월) | 중간 고사 | |
| 22 | 05월 12일(화) | - 12. Advantage Actor-Critic (A2C) and Asynchronous Advantage Actor-Critic (A3C) (Part 1) | ||
| 12주차 | 23 | 05월 18일(월) | - 12. Advantage Actor-Critic (A2C) and Asynchronous Advantage Actor-Critic (A3C) (Part 2) | |
| 24 | 05월 19일(화) | - 13. Proximal Policy Optimization (PPO) (Part 1) | ||
| 13주차 | 25 | 05월 25일(월) | 부처님 오신날 대체공휴일 | |
| 26 | 05월 26일(화) | - 13. Proximal Policy Optimization (PPO) (Part 2) | ||
| 14주차 | 27 | 06월 01일(월) | - 14. Deep Deterministic Policy Gradient (DDPG) and Twin Delayed Deep Deterministic Policy Gradient (TD3) (Part 1) | |
| 28 | 06월 02일(화) | - 14. Deep Deterministic Policy Gradient (DDPG) and Twin Delayed Deep Deterministic Policy Gradient (TD3) (Part 2) | ||
| 15주차 | 29 | 06월 08일(월) | - 15. Soft Actor-Critic (SAC) (Part 1) | |
| 30 | 06월 09일(화) | - 15. Soft Actor-Critic (SAC) (Part 2) | ||
| 16주차 | 31 | 06월 15일(월) | - 텀프로젝트 발표 준비 / Q&A | |
| 32 | 06월 16일(화) | 텀프로젝트 발표 | ||
2. Course Information
- - Lecturer: 한연희 교수 (Rm. 2공학관 423호, Email: yhhan@koreatech.ac.kr)
- - Classes: 월요일 (8, 9교시 - 16:00 ~ 17:50), 화요일 (8, 9교시 - 16:00 ~ 17:50)
- - Lecture Room: 2공학관 408호
- - Prerequisites: Python (필수), 인공지능기초및실습, 기계학습및실습, 딥러닝및실습
3. Practice & Homework Guide
4. References
5. Logistics
- - 출석(Attendance): 1회 결석 시 100점 만점 기준에서 2점이 감점됩니다. 5회 결석 시 단순히 10점 감점되는 것이 아니라, 해당 과목은 F(낙제) 처리됩니다.
- - 과제(Homework): 수업 시간에 배운 이론을 실습으로 다시 이해하는 과제가 부과됩니다. 부정행위(표절·복사 등)가 적발될 경우 해당 과목은 F(낙제) 처리됩니다. AI 도구 활용은 문제없습니다.
- - 시험(Exam): 수업을 통해 학습한 지식을 평가하기 위해 중간고사를 실시합니다.
- - 텀프로젝트(Term Project): 기말시험을 대체하여, 학생들은 팀 기반으로 심도 있는 텀프로젝트를 수행하고 완성해야 합니다.
6. Lecture Evaluation
- 출석(Attendance) (10%), 과제(Homework) (20%), 시험(Exam) (40%), 텀프로젝트(Term Project) (30%)