先决条件: 机器学习和Python编程知识

您将学到什么

• 强化学习基本原理

  理解强化学习的核心组成部分：智能体、环境、状态、动作、奖励、策略。

• 马尔可夫决策过程

  使用MDPs表述问题并理解其性质。

• 值函数与贝尔曼方程

  掌握状态值函数和动作值函数的原理并推导贝尔曼方程。

• 无模型学习

  实现并区分蒙特卡洛和时序差分学习方法（Q学习、SARSA）。

• 函数逼近

  在强化学习中应用函数逼近技术，处理大规模状态空间。

• 深度Q网络（DQN）

  理解DQN的基本原理及其组成部分，如经验回放。

• 强化学习实现

  使用Python和相关库构建并训练简单的强化学习智能体。