机器学习之RL强化学习理论与实践视频教程附资料 6课

课程介绍

强化学习，被誉为可能通向强人工智能的第三类机器学习方法，在AI游戏领域的应用已司空见惯，如自动玩flappy bird，借助强化学习玩星际争霸，最近非常火的王者荣耀也不例外；在无人驾驶、自动交易等领域也有着举足轻重的作用。《强化学习》课程，带你揭秘AlphaGo和星际争霸/王者荣耀，华尔街最热门的自动交易算法背后的技术及无人驾驶的关键点。

1）从模型无关到模型相关，从Q-learning到Policy gradient，全面涵盖主流强化学习内容知识。

2）与工业级ML算法紧密结合的应用案例讲解

3）配套实验环境与GPU服务器

课程目录

第1课 强化学习RL简介

知识点1：强化学习定义：可能通向强人工智能的第三类机器学习方法

知识点2：强化学习数学模型：马尔科夫决策过程（MDP）

知识点3：RL机器人：探索环境，规划自己的人生

知识点4：强化学习基本算法分类

知识点5：Model-Based RL: 已知环境，如何优化自己的人生

第2课 Model—Free Learning

知识点1：环境未知，如何评估测略（状态价值）

知识点2：蒙特卡洛方法学习状态价值函数

知识点3：TD方法学习状态价值函数

实战项目：两种方法比较及代码实现

知识点5：OpenAI Gym介绍

第3课 Model-Free Control

知识点1：ϵ− 贪婪策略：平衡 Exploration and Exploitation

知识点2：on/off-policy 蒙特卡洛方法

知识点3：on/off-policy TD 算法 (Sara)

实战项目：on/off-policy 算法比较及代码实现

第4课 Q-Learning

知识点1：Q-Learning

知识点2：Deep Q-Learning

实战项目：Q-learning解决山地车问题

第5课 策略梯度学习

知识点1：蒙特卡洛策略梯度

知识点2：Actor-Critic算法

实战项目：用policy gradient解决连续山地车的问题

第6课 TensorFlow强化学习应用案例

实战项目：使用Deep Q network 和 Policy gradient完成以下游戏：强化学习乒乓球游戏、强化学习flappy bird

课程展示