【Udemy中英字幕】Cutting-Edge AI: Deep Reinforcement Learning in Python

尖端人工智能：Python 中的深度强化学习

使用进化策略、A2C 和 DDPG 将深度学习应用于人工智能和强化学习

讲师：Lazy Programmer Inc.

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。

你将学到什么

• 了解 A2C 算法的前沿实现（OpenAI 基线）
• 理解并实施人工智能的进化策略（ES）
• 理解并实施 DDPG（深度确定性策略梯度）

本课程包括：

• 8.5小时点播视频
• 通过手机和电视访问
• 结业证书

要求

• 了解 MDP（马尔可夫决策过程）和强化学习的基础知识
• 看到我的前两门强化学习课程很有帮助
• 了解如何在 Tensorflow 中构建卷积神经网络

描述

欢迎来到尖端人工智能！

从技术上讲，这是我的深度学习系列的《Python 深度学习》第 11 部分，也是我的第三门强化学习课程。

深度强化学习实际上是两个主题的结合：强化学习和深度学习（神经网络）。

虽然这两种技术已经存在相当长一段时间了，但直到最近深度学习以及强化学习才真正起飞。

深度学习的成熟推动了强化学习的进步，强化学习自 20 世纪 80 年代以来就已经存在，尽管它的某些方面（例如贝尔曼方程）已经存在了更长时间。

最近，这些进步让我们展示了强化学习的强大力量。

我们已经看到AlphaZero如何仅通过自我对弈就能掌握围棋游戏。

就在几年前，最初的 AlphaGo 已经击败了围棋世界冠军。

我们已经看到现实世界的机器人学习如何行走，甚至在被踢倒后恢复，尽管仅使用模拟进行训练。

模拟很好，因为它不需要昂贵的实际硬件。如果你的特工摔倒了，也不会造成真正的伤害。

我们已经看到现实世界中的机器人学会了手的灵活性，这是一个不小的壮举。

走路是一回事，但这涉及粗略的动作。手的灵活性是复杂的——你有很多自由度，并且涉及的许多力量都非常微妙。

想象一下用你的脚做一些你通常用手做的事情，你会立即明白为什么这会很困难。

最后但并非最不重要的一点是——视频游戏。

即使仅考虑过去几个月，我们也看到了一些惊人的发展。AI 现在正在CS:GO和Dota 2中击败职业玩家。

那么这门课程与前两门课程有何不同？

既然我们知道深度学习可以与强化学习配合使用，那么问题就变成了：我们如何改进这些算法？

本课程将向您展示几种不同的方法：包括强大的A2C（Advantage Actor-Critic）算法、DDPG（深度确定性策略梯度）算法和进化策略。

进化策略是强化学习的一种新的尝试，它抛弃了所有旧的理论，转而采用一种更“黑匣子”的方法，其灵感来自于生物进化。

这门新课程的另一个优点是我们可以看到各种各样的环境。

首先，我们将了解经典的Atari环境。这些很重要，因为它们表明强化学习代理可以仅根据图像进行学习。

其次，我们要看看MuJoCo，它是一个物理模拟器。这是构建能够在现实世界中导航并理解物理的机器人的第一步——我们首先必须证明它可以与模拟物理一起工作。

最后，我们来看看几年前大家最喜欢的手机游戏《Flappy Bird》 。

感谢您的阅读，我们课堂上见！

“如果你不能实施它，你就没有理解它”

• 或者正如伟大的物理学家理查德·费曼所说：“我无法创造的东西，我就不理解”。
• 我的课程是唯一您将学习如何从头开始实现机器学习算法的课程
• 其他课程将教您如何将数据插入到库中，但您真的需要 3 行代码的帮助吗？
• 对 10 个数据集执行相同的操作后，您意识到自己没有学到 10 件事。你学到了 1 件事，只是重复了同样的 3 行代码 10 次……

建议的先决条件：

• 结石
• 可能性
• 面向对象编程
• Python 编码：if/else、循环、列表、字典、集合
• Numpy 编码：矩阵和向量运算
• 线性回归
• 梯度下降
• 了解如何在 TensorFlow 中构建卷积神经网络 (CNN)
• 马尔可夫决策过程 (MDP)

我应该按什么顺序学习您的课程？：

• 查看讲座“机器学习和 AI 先决条件路线图”（可在我的任何课程的常见问题解答中找到，包括免费的 Numpy 课程）

独特的功能

• 每行代码都有详细解释 – 如果您不同意，请随时给我发电子邮件
• 不像其他课程那样浪费时间在键盘上“打字”——说实话，没有人能真正从头开始在短短 20 分钟内编写出值得学习的代码
• 不害怕大学水平的数学 – 获取其他课程遗漏的算法的重要细节

本课程适合谁：

• 想要将强化学习应用到工作和项目中的学生和专业人士
• 任何想要学习尖端人工智能和强化学习算法的人