Reinforcement Learning

Lernziele

The participants have a thorough understanding of the key concepts and are able to discriminate between the different types of Reinforcement Learning (RL). They can understand the noteworthy algorithms and methods in the field and are able to implement them programmatically. The participants are able to identify tasks that can be solved with Reinforcement Learning.

Lehrinhalte

Classical Reinforcement Learning: Cross-Entropy Method, Dynamic Programming, Monte Carlo Methods, Temporal-Difference Learning
Value Based methods: Sarsa, Q-Learning
Policy Based methods: REINFORCE, Proximal Policy Optimization
Deep Reinforcement Learning: Q-Networks
Hybrid Methods: A2C, A3C

Weitere Informationen zum Download

Factsheet zum Kurs

Jetzt hier buchen

Lernform

Präsenz + Live-Online

Dauer

4-6 Wochen + Prüfung

Freie Plätze

Nächster Starttermin

11. Dezember 2026

Termine

11. Dezember 2026
15:30 - 20:30 Uhr 12. Dezember 2026
09:30 - 16:45 Uhr 18. Dezember 2026
15:30 - 20:30 Uhr live-online 15. Januar 2027
15:30 - 17:00 Uhr live-online 22. Januar 2027
15:30 - 17:00 Uhr live-online

Prüfung

06. Februar 2027
(Projekt)

Anmeldeschluss

27. November 2026

Niveau

Advanced, DQR-Level 7

Voraussetzungen

Abgeschlossenes Erststudium, Kenntnisse in Advanced Machine Learning & Deep Learning

Sprache

Deutsch / Englisch

Workload

30 UE Präsenz / virtuelle Präsenz

120 UE Selbststudium

Lehrende

Ph.D. Ruben Nuredini

Ort

Online

Abschluss

Hochschulzertifikat mit ECTS nach bestandener Prüfung,
Teilnahmebescheinigung

Kosten

1.600,- EUR

Melden Sie sich jetzt an!

zum Anmeldeformular

IHRE ANSPRECHPERSON

Karen Huep

Weiterbildungs- und Zertifikatskurse

07361 576 - 7321
0160 - 1058367
karen.huep(at)hs-aalen.de

zurück zur Übersicht