Forsterkingslæring

Forsterkingslæring er eit av hovudparadigma av moderne maskinlæring, kunstig intelligens og robottikk

med mange bruksområde innan avgjerdsprosessar og autonome agentar. Dette kurset gjer ein forståing av

fundamenta til forsterkingslæring, analyserer klassiske forsterkingslæringsalgoritmar og viser korleis å

modellere og løyse praktiske problemstillingar ved hjelp av forsterkingslæring.

Kunnskapar

Studenten skal vere i stand til å

• Forstå dei grunnleggjande konsepta til forsterkingslæring;
• Formalisere og uttrykke problem i forsterkingslæringsrammeverk;
• Kunne uttrykke skilnader, styrker og grenser til klassiske forsterkingslæringsalgoritmar.
• Evaluere og bestemme korleis å løyse forsterkingslæringsproblem.

Ferdigheiter

Studenten skal vere i stand til å

• Løyse forsterkingslæringsproblem med klassiske forsterkingslæringsalgoritmar.
• Implementere forsterkingslæringsalgoritmar og tilpasse dei til spesifikke problem.

Generell kompetanse

Studenten skal vere i stand til å

• Forstå når og korleis spesifikke problem kan løysast ved hjelp av forsterkingslæringsalgoritmar.
• Forstå og kritisk evaluere moderne forsterkingslæringsalgoritmar.