梗直哥瞿炜-强化学习必修课：引领人工智能新时代

编辑点评

系统讲解强化学习理论，涵盖经典与深度学习方法，实战项目助力理解。

⭐ 编辑推荐

全面解析强化学习原理，实战项目深入浅出，助你掌握核心算法。

✨ 课程亮点

课程目录

📁 第六章 经典无模型方法：离散世界的价值最大化
1_6-1-蒙特卡洛方法.mp4 [17.9 MB]
2_6-2-时序差分方法.mp4 [18.3 MB]
4_6-4-广义策略迭代.mp4 [10.7 MB]
3_6-3-蒙特卡洛方法和时序差分代码实现.mp4 [13.4 MB]
7_6-7-Q-Learning&SARSA代码实现.mp4 [13.2 MB]
📁 第七章 深度Q网络：他山之石，可以攻玉
3_7-3-常见问题改进和扩展.mp4 [14.9 MB]
2_7-2-DQN-代码实现.mp4 [19.7 MB]
1_7-1-深度Q网络核心思想和原理.mp4 [24.0 MB]
4_7-4-DQN改进算法代码实现.mp4 [18.2 MB]
📁 第五章 动态规划方法：理想国中的完美人生
2_5-2-绛栫暐杩唬.mp4 [21.3 MB]
1_5-1-动态回归核心思想和原理.mp4 [15.8 MB]
4_5-4-动态规划代码实现.mp4 [23.5 MB]
📁 第十二章 强化学习实战：绝知此事要躬行
2_12-2-项目实战：大模型RLHF.mp4 [21.9 MB]
1_12-1-项目实战：Gym游戏.mp4 [34.4 MB]
3_12-3-强化学习最新发展趋势.mp4 [38.6 MB]
4_12-4-下一步的学习建议.mp4 [20.9 MB]
📁 第三章 环境安装和工具使用：工欲善其事，必先利其器
1_3-1-CUDA+Anaconda深度学习环境配置.mp4 [11.5 MB]
4_3-4-仿真环境Gym安装.mp4 [10.8 MB]
5_3-5-深度学习库PyTorch的安装.mp4 [5.8 MB]
2_3-2-conda使用命令.mp4 [8.3 MB]
📁 第十一章 进阶强化学习：欲穷千里目，更上一层楼
6_11-6-基于人类反馈大强化学习.mp4 [23.4 MB]
2_11-2-博弈论与强化学习.mp4 [32.6 MB]
5_11-5-AlphaStar系统.mp4 [46.6 MB]
4_11-4-MADDP的代码实现.mp4 [24.6 MB]
3_11-3-多智能体强化学习.mp4 [22.9 MB]
📁 第二章 数学知识回顾：凡事预则立，不预则废
📁 第四章 马尔可夫随机过程：憧憬和行动中追寻生命的意义
6_4-6-模型分类与选择.mp4 [17.7 MB]
5_4-5-贝尔曼方程：迭代求解价值函数.mp4 [16.8 MB]
4_4-4-马尔可夫奖励过程：懂得“想”.mp4 [27.0 MB]
2_4-2-马尔可夫观测过程：学会“看”.mp4 [22.3 MB]
1_4-1-序列建模与概率图模型.mp4 [21.4 MB]
7_4-7-常见问题解析.mp4 [11.5 MB]
8_4-8-马尔可夫过程代码实现.mp4 [21.2 MB]
3_4-3-马尔可夫决策过程：试着-“干”.mp4 [16.5 MB]
📁 第九章 演员-评论家算法：戏为兄弟，共荣共生
7_9-7-SAC代码实现.mp4 [21.5 MB]
1_9-1-演员评论家算法核心思想和原理.mp4 [12.8 MB]
2_9-2-改进型演员评论家算法.mp4 [13.4 MB]
4_9-4-深度确定性策略梯度.mp4 [18.1 MB]
5_9-5-DDPG算法代码实现.mp4 [16.1 MB]
6_9-6-软性演员评论家算法.mp4 [23.9 MB]
3_9-3-演员评论家算法代码实现.mp4 [13.0 MB]
📁 第—章 欢迎来到强化学习的世界
2_1-2-认识强化学习.mp4 [28.8 MB]
3_1-3-课程使用的技术栈.mp4 [7.6 MB]
1_1-1-课程内容和理念.mp4 [58.5 MB]
📁 第八章 深度策略梯度方法：行胜于言，止于至善
5_8-5-近端策略优化（PPO）代码实现.mp4 [19.4 MB]
3_8-3-策略梯度方法代码实现.mp4 [11.4 MB]
1_8-1-策略梯度核心思想和原理.mp4 [22.7 MB]
2_8-2-蒙特卡洛策略梯度.mp4 [13.3 MB]
4_8-4-近端策略优化算法.mp4 [19.7 MB]
📁 第十章 基于模型的强化学习：看不见的上帝之手
5_10-5-MBPO的代码实现.mp4 [35.0 MB]
4_10-4-基于模型的策略优化.mp4 [12.3 MB]
1_10-1-基于模型的强化学习核心思想和原理.mp4 [28.5 MB]
3_10-3-Dyna-Q算法代码实现.mp4 [11.8 MB]

适合人群

• 机器学习爱好者
• 算法工程师
• 人工智能从业者

🎯 学习收获

• 掌握强化学习核心算法
• 提升算法实战能力
• 深入理解人工智能技术

🎉 祝您学习愉快！