深度增強式學習 (Deep Reinforcement Learning) 為人工智慧領域中，一個重要的範疇，主要目的為探討如何藉由深度神經網路的幫助，訓練代理人 (Agents) 與環境 (Environment) 的互動，在其中進行控制決策，以期待盡可能地獲取最佳結果。深度增強式學習已經被應用於多個重要的研究領域，例如AlphaGo、遊戲AI、自動控制、自主機器人、自動駕駛車等。

　　本課程將從基本的增強式學習 (Reinforcement Learning) 開始，帶領學員們理解價值函數 (Value Function)、行為策略 (Behavior Policy)、以及一些深度增強式學習相關的重要概念，和深度增強式學習代理人之訓練方法，並介紹深度增強式學習在智慧機器人控制上的應用分析。本課程也會介紹一些經典的深度增強式學習演算法，例如DQN、DDPG、A3C、PPO、TRPO、SAC等。結合深度學習和強化學習的前沿領域課程，將引領學生進入深度增強學習的世界，探索如何讓機器能夠自主學習並進一步提升性能。

　　1.帶領學員理解深度增強式學習的基本概念。

　　2.學習在深度增強式學習中，重要且經典的幾種演算法

　　3.了解深度增強式學習在智慧機器人的應用模式。

　　1.由淺入深，從基本的增強式學習，帶領學員理解深度增強式學習的基本概念。

　　2.除理論基礎外，也包含實際應用至智慧機器人的案例說明。

1.智慧機器人、自動駕駛…等系統開發員。

2.自動化和控制系統工程師，想了解如何應用深度增強式學習於自動化系統控制

3.希望了解深度增強式學習架構的人士。

4.對人工智慧的應用有興趣的人士。

5.對資訊科技有興趣的人士。

6.對機器學習、深度學習感興趣的人士。

★主辦單位及講師保留調整課程內容之權利