强化学习笔记系列入门【0】

本文是作者学习强化学习的心得笔记,强调了翻转课堂的重要性,特别是对于理解复杂的数学公式。文章详细介绍了贝尔曼方程在计算策略状态值中的作用,以及强化学习的特点——系统性和数学性。作者建议结合实践和编程来深入学习,并以Grid world为例解释了易于理解的状态、动作、回报等基础概念。同时,提到了马尔可夫决策过程(MDP)的重要概念,通过普高与重点高中的比喻帮助理解。
摘要由CSDN通过智能技术生成

引言:
最近在学习西湖大学赵世钰老师的强化学习课程,一直觉得学习一定是一个不仅有输入还需要及时给出自己输出的一个过程,但在中国的大学或者研究生课堂,这一部分是相当缺失的,氛围经常性的很差。其实,课堂,我觉得就很有必要去做一些翻转课堂之类的东西,去打破现在这种十分传统的填鸭式教学模式,大学专业性课程、编程类课程的学习,其实很需要学生与老师的一个互动过程(因为,确确实实很多学生其实在课堂上是不愿意提问的,即便是他们真的有些想法或者疑问,他们会因为性格内向等原因,害怕提问是因为自己的不专心(走神)没有听明白任课老师之前说的。而实际上,课堂也很需要这种视频类课程,能够在有走神情况下去反复学习) 今天好像又看到更新了一个对他这个整体框架图的一个说明的更新视频。确实这样讲一下,对整个脉络有了更为清楚的认知。但还是发现了一个问题:就是到了后面的高阶章节,一些重要的公式还是直接给出了,那么也就意味着实际上在数学,还是无法完全准确的理解其含义。如果能够给一些这些个重要公式的例子,去多维度的理解这些重要方程就好了。
总结了下翻转课堂的重要性:

  • 可以反复对不太理解或者没听明白的部分多次观看学习;
  • 可以更加无障碍的与老师沟通内心的想法和疑问;
    在这里插入图片描述

    强化学习笔记系列入门【0】

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Robo-网络矿产提炼工

你的鼓励将是我最大的动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值