深度强化学习的经典入门课程（附链接） | 课程地图

今天，你AI了没？

关注：决策智能与机器学习，学点AI干货

深度强化学习是一种非常主流的无监督学习范式，通过设定学习的要素、环境和反馈方法实现对模型的训练并能够在多个领域达到最佳表现（state of art），实现了可以不依赖于真实数据的学习模式。

在基于游戏环境的单智能体控制以及多智能体协同技术研究中，主要的方法就是基于深度强化学习技术，以及博弈论理论的探索。因此，决策智能当前最主要的技术方法就是深度强化学习。

今天给大家推荐比较有代表性的三门基础课程，专门针对强化学习，任何一个刷完基本都算是入门了，真正掌握还必须通过亲自动手实践才行。

伯克利大学：DRL课程

伯克利大学2018年秋季课程，共六讲。

首先是关于模拟学习和Tensorflow的基础知识，然后介绍了策略梯度方法、表演者-评论家算法。作为入门基本够用，当然还有很多算法没有涉及，需要进一步看看李宏毅老师的课程或者DeepMind的进阶课程。

课程链接：

哔哩哔哩：https://www.bilibili.com/video/av39816961

课程官网：http://rail.eecs.berkeley.edu/deeprlcourse/

李宏毅：DRL课程

台湾李宏毅老师在机器学习、深度学习方面的课程很成体系，讲授经验丰富，这门深度强化学习课程是2018年的国语课程，共8讲。该课程以讲述理论知识为主，关于强化学习方面的实际应用以及代码实现较少，可以考虑完成该课程布置的作业，以加深对算法的理解。

非常推荐反复学习一下。

课程链接：

哔哩哔哩：https://www.bilibili.com/video/av24667855/?spm_id_from=333.788.videocard.4

斯坦福：DRL课程

斯坦福的课程讲的还是蛮细致的，共16讲，从模拟学习基本概念到各种主流的model-based、model-free方法，以及具体的模型训练方法、蒙特卡洛搜索方法等，很详细，当然时间也比较长，需要多花时间认真看看。看完基本全面掌握所有基础知识了。

课程链接：

哔哩哔哩：https://www.bilibili.com/video/av47812079

DeepMind：DRL高阶

这门课程全程是深度学习与深度强化学习高阶课程，其中强化学习部门共10讲，将深度强化学习按照简介、马尔科夫与动态规划理论、model-based和model-free等主要建模方法、基于游戏环境的开发方法等全过程进行了深度讲解，说的蛮细致的，不过对于没有实操经验的人理解起来会有点困难，建议有一点初级的动手经验后看比较合适，或者先看完伯克利和李宏毅的课程。

课程链接：

哔哩哔哩：https://www.bilibili.com/video/av36718004/?p=9

相关推荐

• 干货 | 深度强化学习国际顶会ICML-2019最新进展速览—论文PDF打包下载
  

• 最新 | 用深度强化学习打造不亏钱的交易机器人（附代码）

• 深度强化学习领域盘点系列 | 大神篇

• 深度强化学习领域盘点系列 | 大厂机构篇

• 深度强化学习 | 用TensorFlow构建你的第一个游戏AI

交流合作

商务合作以及加入微信群，请添加微信号：yan_kylin_phenix

注意：请务必说明您的意向，注明姓名+单位+从业方向+地点，否则不予通过，请多谅解。