强化学习——原理与实例精讲
掌握强化学习领域必备经典算法
Description
强化学习是一种学习如何从状态映射到行为以使得获取的奖励最大的学习机制。这样的一个agent需要不断地在环境中进行实验，通过环境给予的反馈（奖励）来不断优化状态——行为的对应关系。因此，反复实验（trial and error）和延迟奖励（delayed reward）是强化学习最重要的两个特征。
本套强化学习课程主要包括经典算法原理讲解与案例实战两大部分。通俗讲解当下主流强化学习算法思想，结合实例解读算法整理应用流程并结合案例展开代码实战。整体风格通俗易懂，适合准备入门强化学习并进阶提升的同学们。
What You Will Learn!
- 掌握强化学习经典算法原理及其应用领域
- 熟练使用PyTorch框架构建强化学习算法
- 熟悉强化学习建模环境并进行实战应用
- 熟悉强化学习算法中的数学思想，掌握数学原理推导
Who Should Attend!
- 对人工智能，强化学习方向感兴趣的同学
- 企业内中高级机器学习工程师，AI工程师等
- 想要深入研究深度学习算法的科研人员及在校生等