课程价格 ：
¥0.00
剩余名额
290
课程价格：
￥0.00
支持花呗分期
剩余名额：
290个
- 1：【视频】先导课：30分钟了解强化学习名词脉络
- 第1章: 基本概念
- 第1节: State、Action、Policy等
- 2：【视频】State、Action、Policy等
- 第2节: Reward、Return、MDP等
- 3：【视频】Reward、Return、MDP等
- 4：【作业】第1章作业
- 第2章: 贝尔曼公式
- 第1节: Return 的重要性
- 5：【视频】Return 的重要性
- 第2节: State Value 的定义
- 6：【视频】State Value 的定义
- 第3节: 贝尔曼公式的详细推导
- 7：【视频】贝尔曼公式的详细推导
- 第4节: 公式向量形式与求解
- 8：【视频】公式向量形式与求解
- 第5节: Action Value 的定义
- 9：【视频】Action Value 的定义
- 10：【作业】第2章作业
- 第3章: 贝尔曼最优公式
- 第1节: 如何改进策略
- 11：【视频】如何改进策略
- 第2节: 最优策略和公式推导
- 12：【视频】最优策略和公式推导
- 第3节: 公式求解以及最优性
- 13：【视频】公式求解以及最优性
- 第4节: 最优策略的有趣性质
- 14：【视频】最优策略的有趣性质
- 15：【作业】第3章作业
- 第4章: 值迭代与策略迭代
- 第1节: 值迭代算法
- 16：【视频】值迭代算法
- 第2节: 策略迭代算法
- 17：【视频】策略迭代算法
- 第3节: 截断策略迭代算法
- 18：【视频】截断策略迭代算法
- 19：【作业】第4章作业
- 第5章: 蒙特卡洛方法
- 第1节: 蒙特卡洛介绍
- 20：【视频】蒙特卡洛介绍
- 第2节: MC Basic 算法介绍
- 21：【视频】MC Basic算法介绍
- 第3节: MC Basic 算法例子
- 22：【视频】MC Basic算法例子
- 第4节: MC Exploring Starts 算法
- 23：【视频】MC Exploring Starts算法
- 第5节: MC Epsilon-Greedy 算法介绍
- 24：【视频】MC Epsilon-Greedy算法介绍
- 第6节: MC Epsilon-Greedy 算法例子
- 25：【视频】MC Epsilon-Greedy算法例子
- 26：【作业】第5章作业
- 第6章: 随机近似与随机梯度下降
- 第1节: 通过例子介绍 Iterative Mean Estimation
- 27：【视频】通过例子介绍 Iterative Mean Estimation
- 第2节: Robbins-Monro 算法介绍与例子
- 28：【视频】Robbins-Monro 算法介绍与例子
- 第3节: Robbins-Monro 算法收敛性及应用
- 29：【视频】Robbins-Monro 算法收敛性及应用
- 第4节: 随机梯度下降算法介绍
- 30：【视频】随机梯度下降算法介绍
- 第5节: 随机梯度下降例子与收敛性
- 31：【视频】随机梯度下降例子与收敛性
- 第6节: 随机梯度下降有趣的性质
- 32：【视频】随机梯度下降有趣的性质
- 第7节: 随机梯度下降对比BGD/MBGD/SGD
- 33：【视频】随机梯度下降对比BGD/MBGD/SGD
- 34：【作业】第6章作业
- 第7章: 时序差分方法
- 第1节: 时序差分方法例子
- 35：【视频】时序差分方法例子
- 第2节: TD 算法介绍
- 36：【视频】TD 算法介绍
- 第3节: TD 算法收敛性与 MC 的比较
- 37：【视频】TD 算法收敛性与 MC 的比较
- 第4节: Sarsa 算法
- 38：【视频】Sarsa 算法
- 第5节: Expected Sarsa 和 N-step Sarsa
- 39：【视频】Expected Sarsa 和 N-step Sarsa
- 第6节: Q-Learning 介绍、On-Policy vs Off-Policy
- 40：【视频】Q-Learning 介绍、On-Policy vs Off-Policy
- 第7节: Q-Learning 伪代码与例子
- 41：【视频】Q-Learning 伪代码与例子
- 第8节: TD 算法的统一形式和总结
- 42：【视频】TD 算法的统一形式和总结
- 43：【作业】第7章作业
- 第8章: 值函数近似
- 第1节: 曲线拟合例子
- 44：【视频】曲线拟合例子
- 第2节: 目标函数介绍
- 45：【视频】目标函数介绍
- 第3节: 优化算法和函数选择
- 46：【视频】优化算法和函数选择
- 第4节: 示例与分析
- 47：【视频】示例与分析
- 第5节: Sarsa 和 Q-Learning
- 48：【视频】Sarsa 和 Q-Learning
- 第6节: DQN 基本原理
- 49：【视频】DQN 基本原理
- 第7节: DQN Experience Replay
- 50：【视频】DQN Experience Replay
- 第8节: DQN 代码与例子
- 51：【视频】DQN 代码与例子
- 52：【作业】第8章作业
- 第9章: 策略梯度方法
- 第1节: 策略梯度的基本思路
- 53：【视频】策略梯度的基本思路
- 第2节: 策略梯度的目标函数 Average Value
- 54：【视频】策略梯度的目标函数 Average Value
- 第3节: 策略梯度的目标函数 Average Reward
- 55：【视频】策略梯度的目标函数 Average Reward
- 第4节: 目标函数的梯度计算
- 56：【视频】目标函数的梯度计算
- 第5节: 梯度上升算法和 REINFORCE
- 57：【视频】梯度上升算法和 REINFORCE
- 58：【作业】第9章作业
- 第10章: Actor-Critic方法
- 第1节: 最简单的 Actor-Critic（QAC）
- 59：【视频】最简单的 Actor-Critic（QAC）
- 第2节: Advantage Actor-Critic（A2C）
- 60：【视频】Advantage Actor-Critic（A2C）
- 第3节: 重要性采样和 Off-Policy Actor-Critic
- 61：【视频】重要性采样和 Off-Policy Actor-Critic
- 第4节: Deterministic Actor-Critic（DPG）
- 62：【视频】Deterministic Actor-Critic（DPG）
- 第5节: 再见
- 63：【视频】再见
- 64：【作业】第10章作业
- 第11章: 期末作业
- 65：【作业】期末作业
