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。
/ M& T2 q  M- f《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。

8 m$ q! m* K' y* t7 R9 k课程目录：
  c  K3 m) e# }$ ?2 K8 B8 p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）
* _6 f/ u! @; U# {  ?4 c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
/ Q- E; G6 @3 A+ z. f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
知识点1： 环境未知，如何评估测略（状态价值）
! a: Q2 a9 i. I( ]) W& r9 y2 _. C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
7 t% B9 d! A, l* L) w实战项目： 两种方法比较及代码实现
知识点5： OpenAI Gym介绍
$ z- ^0 O/ h; d5 v4 u1 `
6 @+ n- @; \4 S6 N1 Q第3课 Model-Free Control
5 P" w" n0 F  C4 u/ j5 ^7 a5 O知识点1： ϵ− 贪婪策略：平衡 Exploration and Exploitation
5 G! W5 G+ K+ n知识点2： on/off-policy 蒙特卡洛方法
) o: d5 e0 o! X: F知识点3： on/off-policy TD 算法 (Sara)
4 V7 J! r: V" y1 s实战项目： on/off-policy 算法比较及代码实现

; r5 J: l# b7 h+ I+ l第4课 Q-Learning
' U$ @2 _0 E! m/ `& i4 o  W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 c0 }" K, S4 c! N4 r( ~1 p
第5课 策略梯度学习
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
5 j) [- Z. L+ o
! d  y% n# T; c% K6 t第6课 TensorFlow强化学习应用案例
* T& r, H+ d4 G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
& [; r0 }, ~1 G3 ~+ j/ }