【Udacity中英字幕】Become a Deep Reinforcement Learning Expert

成为深度强化学习专家

了解深度强化学习技能，推动人工智能取得惊人进步。然后开始将这些应用到视频游戏和机器人等应用中。

双语IT资源独家Udacity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

深度强化学习4个月完成学习尖端的深度强化学习算法——从深度 Q 网络 (DQN) 到深度确定性策略梯度 (DDPG)。应用这些概念来训练智能体行走、驾驶或执行其他复杂任务，并构建强大的深度强化学习项目组合。

1. 强化学习的基础通过编写您自己的许多经典解决方案方法的实现来掌握强化学习的基础知识。
2. 基于价值的方法将深度学习架构应用于强化学习任务。训练您自己的代理，通过感知数据导航虚拟世界。
3. 基于策略的方法了解进化算法和策略梯度方法背后的理论。设计您自己的算法来训练模拟机械臂到达目标位置。
4. 多智能体强化学习了解如何将强化学习方法应用于涉及多个交互代理的应用程序。这些技术用于多种应用，例如自动驾驶车辆的协调。

课程内容

• 与 Unity 共同创建的内容
• 现实世界的项目
• 项目回顾
• 来自经验丰富的评审员的项目反馈

入学的先决条件是什么？

我们建议您在进入该项目之前完成相当于深度学习纳米学位项目的深度学习课程。您需要能够用英语进行流利、专业的书面和口语交流。此外，您还应该具备以下知识：

• 中级Python编程知识，包括：字符串、数字和变量语句、运算符和表达式列表、元组和字典条件、循环生成器和理解式过程、对象、模块和库故障排除和调试研究与记录解决问题算法和数据结构

基本的 shell 脚本编写：

• 从命令行运行程序调试错误消息和反馈设置环境变量建立远程连接

基础统计知识，包括：

• 人群、样本平均值、中位数、众数标准误变异、标准差正态分布

中级微积分和线性代数，包括：

导数和积分

系列扩展

通过特征向量和特征值进行矩阵运算