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：
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）
/ f$ U5 B5 U. I$ J6 ]5 n8 @知识点3： RL机器人：探索环境，规划自己的人生
& |) F3 Z, ~- l. K8 O/ a+ x- j' z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
4 n4 E- d. `: U, q! B; q/ C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
# K! |; B" q# k3 f4 x: @  q  W3 G* V知识点3： TD方法学习状态价值函数
' o: e" C( z6 C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
6 a5 A- S9 u2 {" R知识点1： ϵ− 贪婪策略：平衡 Exploration and Exploitation
+ O, K9 m" B7 k; U- z9 G1 N知识点2： on/off-policy 蒙特卡洛方法
知识点3： on/off-policy TD 算法 (Sara)
' o/ [8 r, M! M4 [实战项目： on/off-policy 算法比较及代码实现

2 @* u* a* [. z7 e第4课 Q-Learning
( T8 M+ u$ R: O8 U知识点1： Q-Learning
知识点2： Deep Q-Learning
& @1 W% j! q2 {+ d% n实战项目： Q-learning解决山地车问题
6 b3 c7 v. c) L3 n$ M
4 ?4 X8 B  @! {/ q! e第5课 策略梯度学习
$ Q" V9 D+ t! A知识点1： 蒙特卡洛策略梯度
知识点2： Actor-Critic算法
8 F3 O, q( u" I实战项目： 用policy gradient解决连续山地车的问题
4 ?: y9 q$ }  ^* `5 C
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
# z. z5 ~: X5 c" j+ f