심층 강화학습 (Deep Reinforcement Learning)을 체계적으로 배우고 싶지만, 대부분의 온라인 튜토리얼은 공식 유도 (Formula derivations)가 너무 많아 머리가 아프고, 단계별 실습 가이드가 부족하다고 느껴질 때가 많습니다.

우연히 Hugging Face 팀이 오픈소스로 공개한 deep-rl-class 과정을 발견했는데, 이론과 실전이 매우 잘 결합되어 있으며 완전히 무료로 공개되어 있습니다.

이 과정은 Q-Learning, 정책 경사 (Policy gradients), PPO와 같은 핵심 알고리즘을 다루며, 직접 해보면서 배우는 방식으로 에이전트 (Agent)가 게임을 플레이하거나 축구를 하도록 훈련하는 과정을 안내합니다.

GitHub:
http://github.com/huggingface/deep-rl-class

강화학습 (Reinforcement learning) 개념의 기초부터 시작하여 점진적으로 실제 에이전트 (Agent) 훈련으로 깊이 들어갑니다. 각 유닛에는 실행 가능한 노트북 (Notebooks)이 포함되어 있어, 학습 직후 바로 실습해 볼 수 있습니다.

또한, 훈련된 모델은 Hugging Face 플랫폼에 직접 업로드하여 전시하고 공유할 수 있습니다.

AI 에이전트 (AI agents)나 게임 AI와 같은 분야에 관심이 있다면, 이 체계적인 입문 과정을 북마크해 두고 조금씩 학습해 볼 가치가 있습니다.