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。
! ^' g, L* r6 a3 o! W9 y0 _' x《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：
# [+ Y* [, j' d! `) V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
& q  P0 t" u$ z. a6 q  ]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
# Z+ |; p+ r/ j' `知识点5： Model-Based RL: 已知环境，如何优化自己的人生
. x* D5 x7 u* S  g* p5 k
第2课 Model—Free Learning
" P, U% ^" T; v6 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
: R( N+ H6 R0 G! g知识点3： TD方法学习状态价值函数
  }. Y  E! T/ P9 M* a实战项目： 两种方法比较及代码实现
知识点5： OpenAI Gym介绍

8 X. s, G" h3 D3 [4 {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)
' @- b; @' p5 j实战项目： on/off-policy 算法比较及代码实现
3 M  H0 ]+ _5 n  j5 u. f8 t
0 q* @$ s# d; \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
6 k( ^8 u) E0 I; A8 b, F+ N
第5课 策略梯度学习
9 x7 N" P$ S( {+ ^2 A; d/ I知识点1： 蒙特卡洛策略梯度
知识点2： Actor-Critic算法
' }$ g- f! B) z, x( B) O2 J1 e9 Q实战项目： 用policy gradient解决连续山地车的问题

# B4 @$ q/ X7 p. B2 H8 N( m5 c5 ^第6课 TensorFlow强化学习应用案例
+ U) q6 [" G6 a7 s9 Y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

  ]& R  P& `8 L7 F