强化学习资料汇总

Jason 2018-04-19 18:51
关注文章

Reinforcement-Learning

主要内容

课程列表

课程机构参考书Notes等其他资料
MDP和RL介绍8 9 10 11Berkeley暂无链接
MDP简介暂无Shaping and policy search in Reinforcement learning链接
强化学习UCLAn Introduction to Reinforcement Learning链接
强化学习(偏Java)Udacity暂无链接
深度强化学习BerkeleyAlgorithms for Reinforcement Learning链接

基础知识

在完成了前面的机器学习课程后,我们已经拥有了较好的机器学习基础知识,这边我们给出的强化学习的基础知识可能可能前面也有涉及,主要帮助大家回顾以及更快的进入强化学习的后续课程部分,关于Berkeley的人工智能,我们仅仅只需要完成第8,9,10,11这四章内容即可,希望大家把这些基础知识扎实的学好。

课程机构参考书Notes等其他资料
MDP简介暂无Shaping and policy search in Reinforcement learning链接
人工智能8 9 10 11Berkeley暂无链接

专项课程学习

深度强化学习课程可能会涉及一些神经网络的知识,如果有必要的话可以去深度学习一章寻找相应的资料进行学习。

课程机构参考书Notes等其他资料
强化学习UCLAn Introduction to Reinforcement Learning链接
强化学习(偏Java)Udacity暂无链接
深度强化学习BerkeleyAlgorithms for Reinforcement Learning链接

参考书籍

以下推荐的书籍都是公认的强化学习领域界的好书,建议这些书籍必须至少详细阅读一本(建议第一本),而较难的书籍不做任何要求,大家可以在学有余力时细细品味经典。

书名链接
An Introduction to Reinforcement Learning(2nd edition)链接
Algorithms for Reinforcement Learning链接
Decision Making Under Uncertainty: Theory and Application链接

论文专区

恭喜您坚持到了现在,现在您已经拥有了扎实的数学功底,同时经过这么多的练习,也已经掌握了强化学习中的较为经典甚至一些较为前沿的技术,接下来如果您希望继续深造并成为大师并对该领域做出突破贡献,我们唯一能为您提供的就是下面的学习平台,它汇总了最经典的领域论文,领域开源包以及很多丰富的资源,同时会不断更新最新的进展,希望对您有帮助,补充一句:我们强烈建议您进入高校或者其他研究所进行深造,因为现在您当前的基础已经完全可以支撑您进行进一步研究,如果有好的导师引路,加之努力,将来定会成为大师,希望继续加油!

文章被以下专辑收录
{{panelTitle}}
支持Markdown和数学公式,公式格式:\\(...\\)或\\[...\\]

还没有内容

关注微信公众号