LINK@KOREATECH

Probability & Statistics

1. Probability, Bayes’ theorem
2. Information, Entropy, Cross Entropy, KL Divergence, Likelihood, MLE, and MAP

Classical RL

1. Introduction to Reinforcement Learning
2. Multi-Armed Bandit
   • 멀티암드 관련 코드
3. Markov Decision Process
   • 마르코프 결정 과정 관련 코드 (환경: 그리드 월드)
4. Dynamic Programming
   • 정책 평가(Policy Evaluation) 코드 (환경: 그리드 월드)
   • 정책 반복(Policy Iteration) 코드 (환경: 그리드 월드)
   • 가치 반복(Value Iteration) 코드 (환경: 그리드 월드)
   • 동적 프로그래밍의 정책 반복 및 가치 반복 실험 - 자바스크립트 버전
5. Monte Carlo Method
   • 몬테카를로 예측(Prediction) 코드 (환경: 그리드 월드)
   • 행동 가치의 몬테카를로 예측(Prediction) 코드 (환경: 그리드 월드)
   • 탐험적 시작 기반 몬테카를로 제어(Control) 코드 (환경: 그리드 월드)
   • 소프트 정책 기반 몬테카를로 제어(Control) 코드 (환경: 그리드 월드)
   • Off-policy 몬테카를로 제어(Control) 코드 (환경: 그리드 월드)
6. Temporal-Difference Learning
   • 시간차 예측 (환경: 랜덤 워크)
   • 시간차 예측 (환경: 그리드 월드)
   • 시간차 제어 (환경: 절벽이 있는 그리드 월드)
   • SARSA와 Q-Learning 실험 - 자바스크립트 버전
7. n-step TD Learning
8. Planning & Learning
   • Dyna-Q, Dyna-Q+, Prioritized Dyna-Q (환경: 미로)
9. 실습을 위한 RL 환경
   • 그리드 월드/절벽이 있는 그리드 월드
   • 랜덤 워크
   • 미로

Value-based Deep RL

1. DQN (from Vanilla DQN to Nature DQN)
   • Nature DQN (Tensorflow 2.2)
   • Frame Skipping and Pre-Processing for Deep Q-Networks on Atari 2600 Games
   • Deep Reinforcement Learning Hands-On - Second Edition
2. Double DQN, Dueling DQN, PER (Prioritized Experience Replay)
   • Double DQN (Tensorflow 2.2)
   • Dueling DQN (Tensorflow 2.2)
   • Dueling Double DQN (Tensorflow 2.2)
   • PER + Dueling Double DQN (Tensorflow 2.2)
3. Distributional DQN

Policy-based Deep RL

1. Policy Gradient & REINFORCE (Monte Carlo Policy Gradient)

Actor & Critic Off-Policy RL

1. Deep Deterministic Policy Gradient (DDPG) & Twin Delayed DDPG (TD3)
2. Soft Actor-Critic (SAC)

Actor & Critic On-Policy RL

1. Advantage Actor-Critic (A2C) & Asynchronous Advantage Actor-Critic (A3C)
2. Conservative Policy Improvement & PPO