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：
% N# {( a& Y7 G; y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。
( P2 C1 z8 Y; @# N! ^, A6 _* C
2 L  B+ _; a9 x课程目录：
第1课 强化学习RL简介
$ I% L, D, W. i4 ]9 l0 ?/ U2 ~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）
- R9 E$ R' d6 f  r8 E& H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

! c6 k1 I8 d) d( ?* H0 T$ i& q5 v# W# c第2课 Model—Free Learning
4 d% v5 Z: t$ g) W* k( k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
9 E5 M7 _' W3 a% T: E实战项目： 两种方法比较及代码实现
知识点5： OpenAI Gym介绍
% A2 p  l, f$ D* v% u
: d; ^0 q2 q( h- [+ l, g: u/ w7 P+ s/ @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
- y8 U6 e6 g3 }3 M; y
. J/ W' X3 L) a: |4 _5 J) U, q# O第4课 Q-Learning
知识点1： Q-Learning
知识点2： Deep Q-Learning
0 t  F/ O3 p5 [$ c! {: W; D, q- ]8 H8 ~实战项目： Q-learning解决山地车问题
& S' Y' V; U* `! ?+ S' Z
第5课 策略梯度学习
# B5 G$ L+ C! s' W知识点1： 蒙特卡洛策略梯度
1 `  ~# {% @; Q2 Z* D' {! i1 ]知识点2： Actor-Critic算法
7 @/ U; U' P9 i实战项目： 用policy gradient解决连续山地车的问题

% q$ k, E4 P' ?' N7 W0 E" a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