七月在线_ 强化学习 [一举解开AlphaGo Zero的百胜奥秘]

七月在线_ 强化学习 [一举解开AlphaGo Zero的百胜奥秘]
课程简介
强化学习，被誉为可能通向强人工智能的第三类机器学习方法，在AI游戏领域的应用已司空见惯，如自动玩flappy bird，借助强化学习玩星际争霸，最近非常火的王者荣耀也不例外；在无人驾驶、自动交易等领域也有着举足轻重的作用。
《强化学习》课程，带你揭秘AlphaGo和星际争霸/王者荣耀，华尔街最热门的自动交易算法背后的技术及无人驾驶的关键点。
课程特色
1）从模型无关到模型相关，从Q-learning到Policy gradient，全面涵盖主流强化学习内容知识
2）与工业级ML算法紧密结合的应用案例讲解
3）配套实验环境与GPU服务器
第1课 强化学习RL简介
知识点1：强化学习定义：可能通向强人工智能的第三类机器学习方法
知识点2：强化学习数学模型：马尔科夫决策过程（MDP）
知识点3：RL机器人：探索环境，规划自己的人生
知识点4：强化学习基本算法分类
知识点5：Model-Based RL: 已知环境，如何优化自己的人生
第2课 Model—Free Learning
知识点1：环境未知，如何评估测略（状态价值）
知识点2：蒙特卡洛方法学习状态价值函数
知识点3：TD方法学习状态价值函数
实战项目：两种方法比较及代码实现
知识点5：OpenAI Gym介绍
第3课 Model-Free Control
知识点1：ϵ− 贪婪策略：平衡 Exploration and Exploitation
知识点2：on/off-policy 蒙特卡洛方法
知识点3：on/off-policy TD 算法 (Sara)
实战项目：on/off-policy 算法比较及代码实现
第4课 Q-Learning
知识点1：Q-Learning
知识点2：Deep Q-Learning
实战项目：Q-learning解决山地车问题
第5课 策略梯度学习
知识点1：蒙特卡洛策略梯度
知识点2：Actor-Critic算法
实战项目：用policy gradient解决连续山地车的问题
第6课 TensorFlow强化学习应用案例
实战项目：使用Deep Q network 和 Policy gradient完成以下游戏：强化学习乒乓球游戏、强化学习flappy bird