强化学习实战系列（2020最新）算法+案例

image.webp (65.56 KB, 下载次数: 48) 下载附件   保存到相册 2022-1-15 01:58 上传

课程推荐

《强化学习实战系列（2020最新）算法+案例》image.webp (65.56 KB, 下载次数: 48) 下载附件   保存到相册 2022-1-15 01:58 上传【技能收获】学完可掌握：强化学习、学习、实战、系列、最新。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（82 节）

*   1 课程介绍.mp4

*   2 一张图通俗解释强化学习.mp4

*   3 强化学习的指导依据.mp4

*   4 强化学习AI游戏DEMO.mp4

*   5 应用领域简介.mp4

*   6 强化学习工作流程.mp4

*   7 计算机眼中的状态与行为.mp4

*   8 基本情况介绍.mp4

*   9 与环境交互得到所需数据.mp4

*   10 要完成的目标分析.mp4

*   11 策略梯度推导.mp4

*   12 baseline方法.mp4

*   13 OnPolicy与OffPolicy策略.mp4

*   14 importance sampling的作用.mp4

*   15 PPO算法整体思路解析.mp4

*   16 Critic的作用与效果.mp4

*   17 PPO2版本公式解读.mp4

*   18 参数与网络结构定义.mp4

*   19 得到动作结果.mp4

*   20 奖励获得与计算.mp4

*   21 参数迭代与更新.mp4

*   22 算法原理通俗解读.mp4

*   23 目标函数与公式解析.mp4

*   24 Qlearning算法实例解读.mp4

*   25 Q值迭代求解.mp4

*   26 DQN简介.mp4

*   27 整体任务流程演示.mp4

*   28 探索与action获取.mp4

*   29 计算target值.mp4

*   30 训练与更新.mp4

*   31 DoubleDqn要解决的问题.mp4

*   32 DuelingDqn改进方法.mp4

*   33 Dueling整体网络架构分析.mp4

*   34 MultiSetp策略.mp4

*   35 连续动作处理方法.mp4

*   36 AC算法回顾与知识点总结.mp4

*   37 优势函数解读与分析.mp4

*   38 计算流程实例.mp4

*   39 A3C整体架构分析.mp4

*   40 损失函数整理.mp4

*   41 整体流程与环境配置.mp4

*   42 启动游戏环境.mp4

*   43 初始化局部模型并加载参数.mp4

*   44 要计算的指标回顾.mp4

*   45 与环境交互得到训练数据.mp4

*   46 训练网络模型.mp4

*   47 卷积神经网络应用领域.mp4

*   48 卷积的作用.mp4

*   49 卷积特征值计算方法.mp4

*   50 得到特征图表示.mp4

*   51 步长与卷积核大小对结果的影响.mp4

*   52 边缘填充方法.mp4

*   53 特征图尺寸计算与参数共享.mp4

*   54 池化层的作用.mp4

*   55 整体网络架构.mp4

*   56 VGG网络架构.mp4

*   57 残差网络Resnet.mp4

*   58 感受野的作用.mp4

*   59 PyTorch框架发展趋势简介.mp4

*   60 框架安装方法（CPU与GPU版本）.mp4

*   61 PyTorch基本操作简介.mp4

*   62 自动求导机制.mp4

*   63 线性回归DEMO-数据与参数配置.mp4

*   64 线性回归DEMO-训练回归模型.mp4

*   65 常见tensor格式.mp4

*   66 Hub模块简介.mp4

*   67 卷积网络参数定义.mp4

*   68 网络流程解读.mp4

*   69 Vision模块功能解读.mp4

*   70 分类任务数据集定义与配置.mp4

*   71 图像增强的作用.mp4

*   72 数据预处理与数据增强模块.mp4

*   73 Batch数据制作.mp4

*   74 迁移学习的目标.mp4

*   75 迁移学习策略.mp4

*   76 加载训练好的网络模型.mp4

*   77 优化器模块配置.mp4

*   78 实现训练模块.mp4

*   79 训练结果与模型保存.mp4

*   80 加载模型对测试数据进行预测.mp4

*   81 额外补充-Resnet论文解读.mp4

*   82 额外补充-Resnet网络架构解读.mp4