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：
  }9 j) L2 L6 `4 v$ ]( e. j% G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。
; E+ r. z# _! T《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
) u- X1 v2 C3 p. m) a- J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
3 T5 f; c" j2 b" G  T- w# e/ ^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
6 L5 p' Z. D7 d1 e$ q& I( _/ l4 ]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
% \/ [; v& ~* e2 a$ h+ z2 ]知识点5： OpenAI Gym介绍

第3课 Model-Free Control
, k" a9 E+ O! L% i% x+ J知识点1： ϵ− 贪婪策略：平衡 Exploration and Exploitation
$ I3 |) D8 C0 k0 y2 _' w5 Q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

6 m8 c9 H: q. a8 W3 i0 b1 H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
9 v- Y: }! C- T6 u" W# j- H" Q
第5课 策略梯度学习
, g. q# }) m4 F  N, @, {) a( G( L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
+ i6 y1 r+ G: X5 Q
第6课 TensorFlow强化学习应用案例
6 Z0 O) q: @# l/ v: _1 @# ]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

* c4 O7 W5 c/ P