强化学习 [一举解开AlphaGo Zero的百胜奥秘] 视频教程

冰点也疯狂

课程简介：
, J! g& M3 U3 X  I& s6 ?3 T. l( y5 r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。

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）
  u2 _! w: w9 T4 n( q知识点3： RL机器人：探索环境，规划自己的人生
7 y4 @% H( `: M0 S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
. [4 ^1 M4 A# ?/ d  ]
第2课 Model—Free Learning
" U* Z; Y5 W4 F! J1 Z3 H% m. Q知识点1： 环境未知，如何评估测略（状态价值）
  u! P2 i, O: P, r知识点2： 蒙特卡洛方法学习状态价值函数
9 u/ f! ~6 i/ a4 E/ r知识点3： TD方法学习状态价值函数
$ S4 |' E, i$ q  ~3 @9 R实战项目： 两种方法比较及代码实现
知识点5： OpenAI Gym介绍
' X( X  Y" @9 l. v! F- w8 F
第3课 Model-Free Control
知识点1： ϵ− 贪婪策略：平衡 Exploration and Exploitation
* D$ T+ `! x, t6 e知识点2： on/off-policy 蒙特卡洛方法
知识点3： on/off-policy TD 算法 (Sara)
' Q# Q# P1 k, M5 }, w; U实战项目： on/off-policy 算法比较及代码实现

第4课 Q-Learning
9 P+ Y8 t& |. `' F7 N' b+ d( f知识点1： Q-Learning
$ ?, m6 ^, M, T知识点2： Deep Q-Learning
6 n; v  c, T; s; d  C5 U+ M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
/ {/ p) i2 k: [% Z- Q/ |8 A& N知识点2： Actor-Critic算法
' y$ O* N3 Q2 H3 R) Z% q# s9 u实战项目： 用policy gradient解决连续山地车的问题

( L8 i& o* g) ?* a6 ^0 F第6课 TensorFlow强化学习应用案例
' i9 k6 p( p1 N8 y* {  T$ {% _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
; v5 [7 h& Q1 `3 Q* A7 A
( h# Z6 K8 v; Y8 X' F% @