强化学习必修课：引领人工智能新时代

编辑点评

系统讲解强化学习核心算法，涵盖深度学习应用，实战项目丰富。

⭐ 编辑推荐

本课程深入浅出地讲解强化学习原理，结合深度学习技术，通过实战项目提升技能。

✨ 课程亮点

课程目录

强化学习必修课：引领人工智能新时代资料.png [493.5 KB]
2_3-2-conda使用命令.mp4 [11.9 MB]
4_3-4-仿真环境Gym安装.mp4 [19.0 MB]
5_10-5-MBPO的代码实现.mp4 [53.8 MB]
6_9-6-软性演员评论家算法.mp4 [38.6 MB]
7_6-7-Q-Learning&SARSA代码实现.mp4 [23.8 MB]
2_11-2-博弈论与强化学习.mp4 [64.7 MB]
3_4-3-马尔可夫决策过程：试着-“干”.mp4 [29.6 MB]
7_9-7-SAC代码实现.mp4 [35.1 MB]
4_10-4-基于模型的策略优化.mp4 [19.7 MB]
2_1-2-认识强化学习.mp4 [53.8 MB]
1_10-1-基于模型的强化学习核心思想和原理.mp4 [48.0 MB]
4_9-4-深度确定性策略梯度.mp4 [30.3 MB]
5_11-5-AlphaStar系统.mp4 [82.4 MB]
8_4-8-马尔可夫过程代码实现.mp4 [40.2 MB]
6_11-6-基于人类反馈大强化学习.mp4 [47.1 MB]
2_5-2-绛栫暐杩唬.mp4 [40.0 MB]
3_11-3-多智能体强化学习.mp4 [44.4 MB]
5_3-5-深度学习库PyTorch的安装.mp4 [9.2 MB]
2_12-2-项目实战：大模型RLHF.mp4 [31.4 MB]
4_4-4-马尔可夫奖励过程：懂得“想”.mp4 [49.4 MB]
3_7-3-常见问题改进和扩展.mp4 [27.5 MB]
3_9-3-演员评论家算法代码实现.mp4 [19.7 MB]
3_8-3-策略梯度方法代码实现.mp4 [19.4 MB]
4_5-4-动态规划代码实现.mp4 [43.5 MB]
3_10-3-Dyna-Q算法代码实现.mp4 [17.7 MB]
4_7-4-DQN改进算法代码实现.mp4 [31.0 MB]
4_12-4-下一步的学习建议.mp4 [33.3 MB]
5_9-5-DDPG算法代码实现.mp4 [22.5 MB]
2_9-2-改进型演员评论家算法.mp4 [23.0 MB]
7_4-7-常见问题解析.mp4 [21.7 MB]
3_12-3-强化学习最新发展趋势.mp4 [65.6 MB]
5_8-5-近端策略优化（PPO）代码实现.mp4 [34.6 MB]
4_11-4-MADDP的代码实现.mp4 [45.1 MB]
1_9-1-演员评论家算法核心思想和原理.mp4 [20.1 MB]
3_1-3-课程使用的技术栈.mp4 [12.0 MB]
1_3-1-CUDA+Anaconda深度学习环境配置.mp4 [18.7 MB]
2_4-2-马尔可夫观测过程：学会“看”.mp4 [40.9 MB]
3_6-3-蒙特卡洛方法和时序差分代码实现.mp4 [22.8 MB]
5_4-5-贝尔曼方程：迭代求解价值函数.mp4 [30.6 MB]
1_7-1-深度Q网络核心思想和原理.mp4 [44.7 MB]
2_6-2-时序差分方法.mp4 [34.2 MB]
1_8-1-策略梯度核心思想和原理.mp4 [44.2 MB]
1_5-1-动态回归核心思想和原理.mp4 [30.9 MB]
4_8-4-近端策略优化算法.mp4 [36.2 MB]
2_8-2-蒙特卡洛策略梯度.mp4 [24.2 MB]
1_12-1-项目实战：Gym游戏.mp4 [51.4 MB]
4_6-4-广义策略迭代.mp4 [19.6 MB]
6_4-6-模型分类与选择.mp4 [30.8 MB]
1_4-1-序列建模与概率图模型.mp4 [38.1 MB]
2_7-2-DQN-代码实现.mp4 [35.8 MB]
1_6-1-蒙特卡洛方法.mp4 [32.5 MB]
1_1-1-课程内容和理念.mp4 [59.0 MB]

适合人群

• 人工智能爱好者
• 机器学习工程师
• 算法研究者

🎯 学习收获

• 掌握强化学习核心算法
• 应用深度学习技术
• 提升实战能力

🎉 祝您学习愉快！