Plano de aula

O plano de aula desta disciplina está divido em cinco (5) blocos. Para cada bloco as seguintes atividades estão planejadas.

Atenção!

O programa está sempre sujeito a alterações e adaptações conforme as disciplina é executada.

Introdução sobre Aprendizagem por Reforço e Revisão sobre Agentes Autônomos

Data	Conteúdo	Programação/Atividade
05-Fev	Apresentação da disciplina e Introdução à Aprendizagem por Reforço	Aula expositiva com debate e resolução de exercícios
07-Fev	Agente Autônomo e Busca em Espaço de Estados	Aula expositiva com roteiro de implementação.
12-Fev	Carnaval	Carnaval
14-Fev	Carnaval	Carnaval
19-Fev	Busca em Espaço de Estados e Teoria de Jogos	Apresentação do problema e implementação da solução em grupo.
21-Fev	Busca em Espaço de Estados e Teoria de Jogos	Implementação da solução para um problema de busca competitiva e discussão dos resultados.

Data	Conteúdo	Programação/Atividade
26-Fev	Algoritmo Q-Learning	Aula expositiva com roteiro de implementação.
28-Fev	Algoritmo Q-Learning, ferramentas para Reinforcement Learning e Environments.	Aula expositiva com roteiro de implementação.
4-Março	Algoritmo SARSA	Aula expositiva com roteiro de implementação.
6-Março	Como avaliar a performance de um agente e sua curva de aprendizado	Aula expositiva com roteiro de implementação.
11-Março	Usando RL em ambiente não-determinísticos	Apresentação do problema e implementação da solução em grupo.
13-Março	Revisão: Q-Learning, SARSA, ambientes determinísticos ou não, avaliação de agentes	Debate em sala de aula sobre resultados alcançados até então com as implementações realizadas.

Data	Conteúdo	Programação/Atividade
18-Março	Implementando um agente que precisa lidar com um ambiente mais complexo	Apresentação do problema e implementação da solução em grupo.
20-Março	Deep Q-Learning	Aula expositiva com roteiro de implementação.
25-Março	Revisão sobre Redes Neurais e decisões de projeto de RN para RL	Aula expositiva com roteiro de implementação.
27-Março	Revisão sobre Redes Neurais e decisões de projeto de RN para RL	Aula expositiva com roteiro de implementação.
1-Abril	Avaliação Intermediária - implementação do projeto 1	Avaliação Intermediária - implementação do projeto 1
3-Abril	Avaliação Intermediária - implementação do projeto 1	Avaliação Intermediária - implementação do projeto 1
8-Abril	Algoritmo Reinforce	Aula expositiva com roteiro de implementação.
10-Abril	Comparando Deep Q-Learning e Reinforce	Aula expositiva com roteiro de implementação.

Data	Conteúdo	Programação/Atividade
15-Abril	Deep Deterministic Policy Gradient (DDPG)	Aula expositiva com roteiro de implementação.
17-Abril	Deep Deterministic Policy Gradient (DDPG)	Aula expositiva com roteiro de implementação.
22-Abril	Policy Optimization Algorithms (PPO)	Aula expositiva com roteiro de implementação.
24-Abril	Policy Optimization Algorithms (PPO)	Aula expositiva com roteiro de implementação.
29-Abril	Reutilizando implementações de DDPG e PPO em projetos	Aula expositiva com roteiro de implementação.
01-Maio	Feriado	Feriado

Data	Conteúdo	Programação/Atividade
6-Maio	Aula Studio	Aula Studio para execução do projeto final
8-Maio	Aula Studio	Entrega do título do projeto e da descrição do ambiente (environment)
13-Maio	Aula Studio	Aula Studio para execução do projeto final
15-Maio	Aula Studio	Entrega da descrição dos métodos e resultados
20-Maio	Aula Studio	Finalização do texto e da apresentação (introdução, objetivos, ambiente, método, resultados e considerações finais)
22-Maio	Apresentações	Apresentações dos projetos
27-Maio	Sem aula	Sem aula
29-Maio	Avaliação	Avaliação Final

Last update: February 2, 2024