【Udemy中英字幕】Introduction to Reinforcement Learning (RL)

强化学习（RL）简介

PyTorch 中的深度强化学习：从基础到高级算法

讲师：Maxime Vandegar

双语IT资源独家Udemy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。

您将学到什么

• 强化学习的核心概念
• 在 PyTorch 中实现 RL 算法
• 构建玩 Atari 游戏的代理
• 探索基于策略和基于价值的方法
• 掌握探索与利用

探索相关主题

• 强化学习
• 数据科学
• 发展

要求

• 机器学习基本知识

描述

通过这门全面的实践课程解锁深度强化学习 (RL)的世界，该课程专为渴望掌握PyTorch中 RL 技术的初学者和爱好者而设计。从零开始，我们将深入基础概念——涵盖价值函数、动作价值函数和贝尔曼方程等基本知识——以确保坚实的理论基础。

接下来，我们将引导您了解 RL 中最具影响力的突破：

1. 使用深度强化学习玩 Atari 游戏——了解 RL 代理如何学习掌握经典 Atari 游戏，并了解第一波深度 Q 学习背后的先驱概念。

2. 通过深度强化学习实现人类水平的控制——仔细了解深度 Q 网络 (DQN) 如何提高标准、实现类似人类的性能并重塑 RL 领域。

3. 深度强化学习的异步方法——探索异步优势演员评论家 (A3C) 方法，该方法可提高 RL 的稳定性和性能，使代理能够更快、更有效地学习。

4. 近端策略优化 (PPO) 算法——掌握 PPO，这是最强大、最有效的算法之一，广泛应用于尖端 RL 研究和应用。

本课程包含丰富的动手编码课程，您将使用PyTorch从头开始​​实现每个算法。到最后，您将拥有一个项目组合，并彻底了解深度强化学习的理论和实践。

本课程适合哪些人：

本课程非常适合对机器学习和人工智能感兴趣的学习者，以及希望将PyTorch 强化学习添加到其技能组合中的专业人士，可确保您获得为实际应用开发智能代理所需的专业知识。

本课程适合哪些人：

• 人工智能研究人员和学者
• 游戏开发者和模拟工程师
• 人工智能和机器学习研究生
• 数据科学家和机器学习工程师
• 初级机器学习爱好者
• 软件开发人员探索人工智能