一、課程說明(Course Desc<x>ription)
<br>本課程為開設給大四，碩士，博士的研究所課程，
<br>為一個探討深度增強式學習的深入主題的課程。由
<br>於
<br>深度增強式學習的發展日新月異，其中包含的特殊
<br>主題，包含探索 (Exploration)、元學習 
<br>(me<x>ta 
<br>Learning)、基於模型之增強式學習 (Model-
<br>ba<x>sed Reinforcement Learning)、多代
<br>理人增強式
<br>學習 (Multi-Agent Reinforcement 
<br>Learning)、模仿學習 (Imitation 
<br>Learning) 等等。這些
<br>研究主題通常並無包含於基礎的機器學習以及深度
<br>學習課程，但卻都是最近一兩年於深度增強式學習
<br>最
<br>為前沿且最重要的研究方向。此課程將以專題討論
<br>的模式，搭配深度增強式學習模型實作，訓練修課
<br>學
<br>生實際學習以上這些研究領域，以對深度增強式學
<br>習領域有更優秀的研究實力。
<br>
<br>二、指定用書(Text Books)
<br>無，本課程將探討最新的增強式學習領域，主要將
<br>以研究論文為主。研究論文將來自機器學習最頂尖
<br>的
<br>會議，包含NeurIPS、ICML、IJCAI、AAAI、
<br>CoRL、AAMAS等。
<br>
<br>三、參考書籍(References)
<br>“Reinforcement Learning: An 
<br>Introduction” by R. S. Sutton and A. 
<br>G. Barto, Second 
<br>Edition.
<br>
<br>四、教學方式(Teaching Method)
<br>本課程將使用專題討論的形式，每週探討不同的深
<br>度增強式學習的主題，教材包含最新機器學習頂尖
<br>會
<br>議的研究論文。課程中將鼓勵學生對論文內容提出
<br>質疑，鼓勵學生提出改善方案，尤其希望參與課程
<br>的
<br>學生能夠實際將自身想法與概念經由實驗，投稿至
<br>頂尖AI研討會。
<br>
<br>五、教學進度(Syllabus)
<br>本課程教學進度將根據以下進度規劃:
<br>- 深度增強式學習基礎回顧 (Review of Deep 
<br>Reinforcement Learning Concepts) – 2 
<br>Weeks
<br>- 探索 (Exploration) – 2 Weeks
<br>- 元學習 (me<x>ta Learning) – 3 Weeks
<br>- 基於模型之增強式學習 (Model-ba<x>sed 
<br>Reinforcement Learning) – 3 Weeks
<br>- 多代理人增強式學習 (Multi-Agent 
<br>Reinforcement Learning) – 3 Weeks
<br>- 模仿學習 (Imitation Learning) – 3 
<br>Weeks
<br>
<br>六、成績考核(Evaluation)
<br>本課程的成績將由以下方式評量:
<br>- 課程討論參與、研究論文評析 (40%)
<br>- 期末專題實作 (60%)
<br>
<br>七、可連結之網頁位址 相關網頁(Personal 
<br>Website)
<br>無，採用ILMS進行課程討論與參與，以及做也繳交
<br>等。
<br>