久久综合色88_欧美激情国产日韩精品一区18_午夜精品一区二区三区在线观看 _自拍日韩亚洲一区在线

      ☆ 1、如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓(xùn)班中重聽；
      ☆ 2、在課程結(jié)束之后,授課老師會留給學(xué)員手機和E-mail,免費提供半年的課程技術(shù)支持，以便保證培訓(xùn)后的繼續(xù)消化；
      ☆3、合格的學(xué)員可享受免費推薦就業(yè)機會。
      ☆4、合格學(xué)員免費頒發(fā)相關(guān)工程師等資格證書，提升您的職業(yè)資質(zhì)。

Chapter 1. RL Basis

1．RL Introduction

2．Multi-armed Bandits

3．Finite Markov Decision Processes

4．Dynamic Programming

5．Monte Carlo Methods

6．Temporal-Di?erence Learning

7．n-step Bootstrapping

8．Planning and Learning with Tabular Methods

Chapter 2. Approximate and Deep RL

9．On-policy Prediction with Approximation

10．On-policy Control with Approximation

11．O?-policy Methods with Approximation

12．Eligibility Traces

13．Policy Gradient Methods

Chapter 3. Deeper Research

14．Psychology

15．Neuroscience

16．Applications and Case Studies

Chapter 4. Other RL and Projects

17．Frontiers

18．Project: RL Game Agent

19．Project: Robot Agent
第1章: RL Basis
1 : 強化學(xué)習(xí)介紹

任務(wù)1： text_book.pdf
2 : 井子棋游戲?qū)嶒?/p>

3 : 值函數(shù)與多臂賭徒

4 : 多臂賭徒實驗

5 : 有限馬爾可夫決策過程

6 : 格子游戲?qū)嶒?/p>

7 : 動態(tài)規(guī)劃

8 : 動態(tài)規(guī)劃實驗

9 : 蒙特卡羅方法

10 : 黑杰克(21點)游戲?qū)嶒?/p>

11 : 時間差分方法

12 : 攀登者游戲?qū)嶒?/p>

13 : 多時間步差分學(xué)習(xí)方法

14 : 隨機行走環(huán)境編寫與出租車項目挑戰(zhàn)

15 : 基于格子方法的規(guī)劃與學(xué)習(xí)

16 : 靜態(tài)與動態(tài)迷宮實驗

第2章: Approximate and Deep RL
17 : 近似在線策略計算

18 : Pytorch 實驗

19 : 值近似在線策略控制

20 : Gym 基礎(chǔ)實驗

21 : 并行策略的值估計

22 : DQN論文詳解

23 : 實戰(zhàn)太空侵略者

24 : 實戰(zhàn)DOOM

25 : 對決DQN網(wǎng)絡(luò)

26 : 帶優(yōu)先級的記憶回放技術(shù)

27 : DQN FLappy Bird

28 : Double DQN

29 : 對決網(wǎng)絡(luò)勇闖死亡回廊