【强化学习】个人强化学习路线

本人为国科大研一新生，所在组为国内语音强组。出于个人原因去了组内的大数据方向，后来又因为组内项目的安排被调去搞强化学习，目前组内只有我一个人面向RL领域，方向为强化学习与智能博弈。

本科阶段起各种项目和竞赛都是一个人走过来的，深感单打独斗的不易，特此记录一下自己的RL学习路线，供后来有需要的小伙伴参考。

 

一、在线资料

在线课程的话不用看太多，选一个看。

论文阅读方法：https://zhuanlan.zhihu.com/p/280750898

OpenAI Spinning Up：https://spinningup.openai.com/en/latest

强化学习交流Github：https://github.com/NeuronDance/DeepRL

机器学习交流Github：https://github.com/OUCMachineLearning/OUCML

David Silver  2015课程（中文字幕）：https://www.bilibili.com/video/av45357759?from=search&seid=7037144790835305588

PPT：https://www.davidsilver.uk/teaching/

代码：https://github.com/qqiang00/reinforce/tree/master/reinforce/codes_for_book

 UC Berkeley  2018课程（英文字幕）：https://www.bilibili.com/video/BV1zt41127yx?from=search&seid=10719668478737526862

PPT & 作业：http://rail.eecs.berkeley.edu/deeprlcourse/

作业答案：https://github.com/berkeleydeeprlcourse/homework 

UCL 汪军教授《Multi-agent AI》课程：https://www.bilibili.com/video/BV1fz4y1S72S?p=1

《强化学习（第二版）》：https://rl.qiwihui.com/zh_CN/latest/chapter1/introduction.html

代码：https://github.com/AndyYue1893/reinforcement-learning-an-introduction

 博弈论课程：https://www.bilibili.com/video/BV1zg4y1z77j?from=search&seid=7898903266300388141

 

二、书籍

列出个人看过并且觉得有一定作用的书籍。

《阿里云天池大赛赛题解析》（直接介绍了numpy/pandas/matplotlib/keras等库的基本用法，不会真有人一上来就会写代码吧，不会吧不会吧）

《强化学习：原理与Python实现》（介绍了RL的基本数学原理，附带gym环境下部分Atari游戏的Agent实现）

《Python深度学习：基于PyTorch》（实战水平检验）

《策略思维 商界、政界及日常生活中的策略竞争》（简要介绍了博弈论的思维和一些小例子）

《博弈论基础》 小绿本（只能看懂第一章，对不起/掩面5555）

 

三、公众号

这几个公众号的内容质量都不错，而且没有恰饭广告，十分推荐。

深度强化学习实验室

RLCN

机器之心

Datawhale

 

四、顶级会议

在，看看论文？现在开始要跑起来了，再不跑的话idea要被抢发了。

看论文个人觉得最好使的网站莫过于arxiv

NeurIPS

AAAI

ICLR

ICML

IJCAI

CoRL