【Udemy中英字幕】Reinforcement Learning beginner to master – AI in Python

强化学习从初学者到精通 – Python 中的 AI

使用深度强化学习和 PyTorch 构建人工智能 (AI) 代理：A2C、REINFORCE、DQN 等。

讲师：Escape Velocity Labs

口袋资源独家Mosh付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

你将学到什么

• 了解强化学习范例及其最适合解决的任务。
• 了解使用强化学习解决认知任务的过程
• 了解使用强化学习解决任务的不同方法并选择最合适的方法
• 完全从头开始实施强化学习算法
• 从根本上理解每个算法的学习过程
• 调试和扩展所提出的算法
• 从研究论文中理解并实现新算法

要求

• 轻松使用 Python 进行编程
• 了解基本的线性代数和微积分（矩阵、向量、行列式、导数等）
• 了解基本统计学和概率论（均值、方差、正态分布等）

描述

这是 Udemy 上最完整的强化学习课程。在其中，您将学习强化学习的基础知识，强化学习是现代人工智能的三大范式之一。您将从头开始实施自适应算法，根据经验解决控制任务。您还将学习将这些算法与深度学习技术和神经网络相结合，从而产生称为深度强化学习的分支。

本课程将为您提供理解新算法所需的基础。它还将为您准备本系列的下一课程，在这些课程中，我们将更深入地研究强化学习的不同分支，并研究一些现有的更高级的算法。

该课程的重点是培养实践技能。因此，在学习了每个方法系列中最重要的概念之后，我们将从头开始在 Jupyter Notebook 中实现它们的一个或多个算法。

本课程分为三个部分，涵盖以下主题：

第 1 部分（表格方法）：

– 马尔可夫决策过程

– 动态规划

– 蒙特卡罗方法

– 时差法（SARSA、Q-Learning）

– N步引导

第 2 部分（连续状态空间）：

– 状态聚合

– 瓷砖编码

第 3 部分（深度强化学习）：

– 深SARSA

– 深度 Q 学习

– 加强

– Advantage Actor-Critic / A2C（优势 Actor-Critic / A2C 方法）

本课程适合谁：

• 想在机器学习领域找到工作的开发人员
• 寻求扩展知识广度的数据科学家/分析师和机器学习从业者。
• 寻求提高实际编码技能的研究人员/学者。