몇 달 짜리 프로젝트가 끝나면

‘와! 끝났다!’ 하는 회사도 있을 텐데,

우리는 바로 그 순간부터 ‘더 빨리 할 수 없었나’.

‘더 잘할 수 없었나’하고 복기에 들어간다.

- 사토 게이코 (도요타 직원)

그릇이 작은 사람, 일회성 성공에 그친 조직의 공통점은

작은 성취에 긴장을 풀고, 자만에 빠진다는데 있습니다.

위대한 사람, 초일류 기업의 공통점은

잘 나갈 때 더 긴장하고, 더 조심하고, 더 겸손해진다는 것입니다.

델에서는 성공하면 5초간 칭찬하고 곧바로

5시간 동안 미진했던 점에 대한 사후평가를 진행합니다.

.

생명을 먹다. 

밭이 있고 논이 있고 

강이 있고 산이 있어서 그 자리에 

서 있기만해도 자연 전체를 만날 수 있는 생활은 

상상을 훨씬 뛰어넘는다. 생생한 사건이 잇달아 일어나고, 

놀라고, 감격하면서 온 가족이 자연 속으로 휩쓸려 

들어갔다. 그중에서도 가장 강렬한 체험은

'먹을 수 있는 자연'을 발견하는 것이 

아닐까. 

- 바바 미오리의《주말엔 시골생활》중에서 - 

* 먹어야 삽니다.

밭과 논과 강과 산은 먹을 것으로 가득합니다.

'생명'으로 가득하다는 뜻도 됩니다. 이따금 시골로, 

자연 속으로 찾아가는 것은 생명을 먹으러 

가는 것과 같습니다. 상상을 뛰어넘는

가장 강렬한 체험입니다.

자연을 먹는 체험!

Awesome Reinforcement Learning

A curated list of resources dedicated to reinforcement learning.

https://github.com/aikorea/awesome-rl

We have pages for other topics: awesome-rnn, awesome-deep-vision, awesome-random-forest

Maintainers: Hyunsoo Kim, Jiwon Kim

We are looking for more contributors and maintainers!

Table of Contents

• Codes
• Theory
  • Lectures
  • Books
  • Surveys
  • Papers / Thesis
• Applications
  • Game Playing
  • Robotics
  • Control
  • Operations Research
  • Human Computer Interaction
• Tutorials / Websites
• Online Demos
• Open Source Reinforcement Learning Platforms

Codes

• Codes for examples and exercises in Richard Sutton and Andrew Barto's Reinforcement Learning: An Introduction
• Python Code
• MATLAB Code
• C/Lisp Code
• Book
• Simulation code for Reinforcement Learning Control Problems
• Pole-Cart Problem
• Q-learning Controller
• MATLAB Environment and GUI for Reinforcement Learning
• Reinforcement Learning Repository - University of Massachusetts, Amherst
• Brown-UMBC Reinforcement Learning and Planning Library (Java)
• Reinforcement Learning in R (MDP, Value Iteration)
• Reinforcement Learning Environment in Python and MATLAB
• RL-Glue (standard interface for RL) and RL-Glue Library
• PyBrain Library - Python-Based Reinforcement learning, Artificial intelligence, and Neural network
• RLPy Framework - Value-Function-Based Reinforcement Learning Framework for Education and Research
• Maja - Machine learning framework for problems in Reinforcement Learning in python
• TeachingBox - Java based Reinforcement Learning framework
• Policy Gradient Reinforcement Learning Toolbox for MATLAB
• PIQLE - Platform Implementing Q-Learning and other RL algorithms
• BeliefBox - Bayesian reinforcement learning library and toolkit
• Deep Q-Learning with Tensor Flow - A deep Q learning demonstration using Google Tensorflow
• Atari - Deep Q-networks and asynchronous agents in Torch
• AgentNet - A python library for deep reinforcement learning and custom recurrent networks using Theano+Lasagne.

모두를 위한 딥러닝 - Deep Reinforcement Learning

1. 강좌 소개

본 Reinforcement Learning(강화학습) 강좌는 홍콩과학기술대학교의 김성훈 교수님의 ‘모두를 위한 딥러닝’ 시리즈의 두번째 강좌입니다. 앞선 강좌로  기본적인 머신러닝과 딥러닝 강좌 가 있습니다.

일주일에 한강좌씩 천천이 업데이트 예정입니다.

알파고와 이세돌의 경기를 보면서 이제 머신 러닝이 인간이 잘 한다고 여겨진 직관과 의사 결정능력에서도 충분한 데이타가 있으면 어느정도 또는 우리보다 더 잘할수도 있다는 생각을 많이 하게 되었습니다. Andrew Ng 교수님이 말씀하신것 처럼 이런 시대에 머신 러닝을 잘 이해하고 잘 다룰수 있다면 그야말로 “Super Power”를 가지게 되는 것이 아닌가 생각합니다.

더 많은 분들이 머신 러닝과 딥러닝에 대해 더 이해하고 본인들의 문제를 이 멋진 도구를 이용해서 풀수 있게 하기위해 비디오 강의를 준비하였습니다. 더 나아가 이론에만 그치지 않고 최근 구글이 공개한 머신러닝을 위한 오픈소스인 TensorFlow를 이용해서 이론을 구현해 볼수 있도록 하였습니다.

이 머신러닝, 딥러닝 강좌는 수학이나 컴퓨터 공학적인 지식이 없이도 쉽게 볼수 있도록 만들려고 노력하였습니다.

2. 도움되는 분들

• 인공지능에 대해 관심이 있는 누구나
• 머닝러신, 딥러닝의 개념을 이해하고 싶으신분
• 머닝러신의 직접 구현해보고 싶으신 분
• 앞선 기본적인 머신러닝과 딥러닝 강좌 를 학습하신 분
• 강화학습에 대해 관심이 있는 분

3. 참고자료

이 비디오는 저도 인터넷등을 통해 공부하면서 만든것이며 아래 자료를 많이 사용하였습니다.

• Andrew Ng’s and other ML tutorials
  • https://class.coursera.org/ml-003/lecture
  • http://www.holehouse.org/mlclass/ (note)
  • Deep Learning Tutorial
• Convolutional Neural Networks for Visual Recognition.
  • http://cs231n.github.io/
• Tensorflow
  • https://www.tensorflow.org
  • https://github.com/aymericdamien/TensorFlow-Examples
  • Deep learning @Udicity

4. 지식공유자 소개

김성훈

Hong Kong University of Science and Technology 에서 컴퓨터 공학쪽으로 연구를 하고 있습니다.
비디오나 강의에 대한 의견이 있으시면 아래로 이메일을 보내 주시면 됩니다.
hunkim+ml@gmail.com

Lego Technic challenge! 42036 VS 42063

몇 번씩 강조하지만 

본래 인간은 건강하게 120년 이상 

살아갈 수 있는 신체적 구조를 갖고 있다. 

그렇게 건강체로 태어난 인간이 한계 수명인 

125년을 살지 못하는 가장 커다란 원인의 하나는 

잘못된 건강관이다. 인간은 필요한 모든 것을 체내에 

갖추고 있으며 늘 건강하게 살 수 있는 존재라는 

사실을 가슴속에 담아두기 바란다. 

- 하루야마 시게오의《뇌내혁명》중에서 - 

* 125세 '한계 수명'보다

'건강 수명'이 더 중요합니다.

병원 침대에 누운 채로 120년을 넘게 산다 한들

무슨 기쁨이 있겠습니까. 가장 좋은 건강관은 

'건강은 건강할 때 지킨다'는 것입니다. 

평소 자신의 회복탄력성을 높여야

건강한 몸으로 한계 수명에 

도전할 수 있습니다. 

.