強化學習是機器學習中最前沿的領域，著眼於如何讓AI的行動取得我們所想要成果的最大化。 無論是自動駕駛、Alpha-GO、到讓SpaceX的火箭降落成功不爆炸，都是使用強化學習作為其AI技術核心。從尋找出最佳化的行為方式，到對人類未知的答案進行探索，都是強化學習最適合的應用領域。

此次的課程將由淺入深從機器學習與神經網路模型基礎，一步步進入強化學習的概念框架與各類強化學習演算法，並在最後學習模仿學習、多重代理人與對抗式學習等優化應用。 我們將使用Python作為開發語言、使用TensorFlow與OpenAI為主的高階函式庫來進行模擬環境與強化學習模型的建制，並讓同學分組進行專案。

藉由這樣的課程不僅能清楚AI與強化學習原理, 同時也使用OpenAI框架讓同學掌握自動控制領域的應用建置，將強化學習AI的強大能力應用於理想場景。

關鍵詞:人工智慧、強化學習、機器學習、深度學習、AI、Python、scikit-learn 、Regression、Gradient Descennt、Logistic Regression、Support Vector Machine、Decision Trees、Random Forests、文字探勘、Clustering、Kaggle、Data Mining、Keras、Tensorflow、CSS、RNN、ANN、Kmeans 、 OpenAI、Reinforcement learning

• 了解機器學習-掌握機器學習與類神經網路，並使用相關函式庫建制模型，養成應用機器學習解決泛化問題的能力
• 了解強化學習基本概念，學習馬可夫決策流程、貝曼函數，掌握當前應用於強化學習的認知模擬框架
• 了解強化學習演算法，熟悉強化學習模型優化原理過程與方法
• 學會建立虛擬環境與設計目標函數訓練強化學習模型
• 學會使用Multiple Agent 訓練模型

• 想了解機器學習與AI人工智慧概念
• 對於機器學習、監督學習有概念，想學強化學習者
• 想避免使用Hard Code編寫控制邏輯
• 對當前生產效能與產品良率優化有興趣者
• 想評估當前生產環境是否適合建置強化學習決策系統