Details zu dem von Ihnen ausgewählten Semesterangebot (Lehrveranstaltungs- bzw. Prüfungsangebot):
| Lehrveranstaltung: | Reinforcement Learning |
| (in English) | Reinforcement Learning |
| Semester: | SS 2025: Lehrveranstaltung und Prüfung |
| Sprache: | Englisch |
| Semesterthema: | Reinforcement Learning |
| : | Informatik [INF MSC] (INF) - Pflicht (im Studiengang) - |
| : | Maschinelles Lernen (ML) - Wahl-Pflicht (in ) - |
| weitere Einordnungen: | AuR-MSc -- Automatisierung und Robotik Anwendungsfächer , ML-Msc -- Maschinelles Lernen - Anwendungsfächer , ML-Msc -- Maschinelles Lernen - Theoriefächer |
| Frequenz: | jährlich im SS |
| SWS / LP: | 2 V + 2 Ü / 5 LP |
| Prüfungsleistung: | Prüfungsleistung [Nr. ?] = Projektarbeit (P), benotet - Wahl-Pflicht (in ) - |
| Schwerpunkt / Micro-Degree: | Schwerpunkt Data Science |
| Bemerkung zur LV: | Schwerpunkt Data Science. |
| Lernziele: | Die Studierenden haben sich sowohl die theoretischen als auch praktischen Grundlagen des Reinforcement Learning angeeignet. Sie haben dazu sowohl die mathematischen Grundlagen verinnerlichen, als auch die Fähigkeit, RL-Agenten zu implementieren, trainiern und ausgewerten zu können, erlangt. In einen abschließenden Projekt haben die Studierenden gelernt, wie sie die Konzepte, die sie in der Vorlesung erlernt haben, selbstständig auf eine neue Problemstellung anwenden können. |
| Stoffplan: | 1. Markov-Decision Processes and Variants 2. Online Reinforcement Learning 3. Deep Q-Learning 4. Policy Search 5. Policy Gradient 6. Actor-Critic Approaches 7. Exploration 8. Model-based RL 9. Benchmarking and Scientific Standards 10. Automated RL 11. Generalization |
| Vorkenntnisse: | Für das Belegen der Vorlesung wird dringend empfohlen Grundlagen in den folgenden Bereichen zu haben: * KI * maschinelles Lernen * Deep Learning |
| Literatur- empfehlungen |
Reinforcement Learning: An Introduction by Richard S. Sutton and Andrew G. Barto |
| Besonderheiten: | Teilnahmebeschränkung: 40. Bitte erkundigen Sie sich im Fachgebiet nach dem Teilnahmeverfahren. Es müssen 50% der Quizpunkte entweder in den Sessions oder am Ende des Semesters bestanden werden, um zum Projekt zu gelassen zu werden. |
| WWW: | https://www.ai.uni-hannover.de/ |
| Lehrperson | WWW | Institut | |
|---|---|---|---|
| Prüfer/in: Prof. Dr. rer. nat. Marius Lindauer |
lindauer@tnt.uni-hannover.de | Fachgebiet Maschinelles Lernen | |
| Dozent/in: Prof. Dr. rer. nat. Marius Lindauer |
lindauer@tnt.uni-hannover.de | Fachgebiet Maschinelles Lernen | |
| Betreuer/in: Prof. Dr. rer. nat. Marius Lindauer |
lindauer@tnt.uni-hannover.de | Fachgebiet Maschinelles Lernen |
| Probleme? mailto:lvk |