“泡沫”之后，强化学习已应用到这些领域

监督学习 (Supervised Learning)、无监督学习 (Unsupervised learning) 和强化学习 (Reinforcement Learning) 是机器学习的三类算法。随着 Alpha Go 的成功，强化学习已成为当下机器学习中最热门的研究领域之一，逐渐在游戏、机器人控制、计算机视觉、自然语言处理和推荐系统等领域得到应用。

与常见的监督学习和非监督学习不同，强化学习主要强调智能体（Agent）与环境（Environment）的交互，其目标就是从智能体与环境的交互过程中获取信息，学出状态与动作之间的映射，指导智能体根据状态做出最佳决策，最大化获得的奖励。

强化学习的发展不仅停留在理论层面，各大游戏、机器人、无人驾驶、金融、电商等企业在高薪招募强化学习算法工程师/研究员，争取在技术研究及产品研发上能够抢占先机。阿里巴巴推出的《强化学习在阿里的技术演进与业务创新》电子书籍中，全面介绍了强化学习在集团诸多业务中的成功应用。

虽然强化学习已经引起国内外足够的关注，但中文资料少之又少，国内鲜有高校开设系统性的课程，并且缺乏相互交流的圈子。深蓝学院联合中科院自动化所、清华大学的研究人员，打磨推出『强化学习：理论与实践』升级版I在线课程。课程通过理论与代码实践，让大家掌握算法的核心思想，并安排Project大作业，体验强化学习的实际应用；同时，建立课程答疑群，便于相互交流学习。

【讲师介绍】

陈达贵，深蓝学院讲师，清华大学自动化系硕士，主要研究方向是深度强化学习的理论和计算图形学，开拓了其课题组强化学习的研究方向，带队在FPS游戏Visual Doom人工智能竞赛取得前三名。曾在阿里巴巴从事将强化学习具体落地的探索和实践项目，具有丰富的深度强化学习实践经验。其主讲的『强化学习理论与实践』第一期课程，受到大家的普遍欢迎。

【课程目录】

【报名咨询】

1，2018年12月7日-2019年2月15日，每周五晚上7点-9点进行授课；

2，课程限报200人，报满即止；

3，前100位，可领取100元优惠券，报名时直接抵现；

4，微信添加课程助教—书哲（shenlanflying），领券报名。

现在添加助教微信，备注“RL”，立刻免费领取RL电子资料。