斯坦福2019强化学习课程完结,讲义、PPT、视频已提供下载

晓查 发自 凹非寺 
量子位 出品 | 公众号 QbitAI

斯坦福大学AI课程资源接二连三开始更新。上周NLP课程才结束,这周强化学习(RL)课程也已全部完结。

现在,强化学习课程讲义、PPT可以在官网下载,第一部分的课程已上传至YouTube。

本课程主讲人是斯坦福大学的助理教授Emma Brunskill。她2009年从MIT博士毕业,现在是斯坦福统计机器小组成员,2012年曾入选微软研究院Fellow。

Emma教授的主要研究方向是高风险场景下的强化学习:当获取经验的成本和风险很高时,智能体如何从经验中学习并做出正确的决策。实际应用包括教育软件、医疗决策、机器人等。

640?wx_fmt=png

课程内容

斯坦福大学今年的RL课程从1月7日开始,每周2节课,共持续10周,到今年3月13日结课。

课程内容主要有:强化学习入门、学习评估策略、函数近似、大空间中的模仿学习、策略搜索、元学习、批量强化学习等等。

640?wx_fmt=png

Emma教授给学生制定了这些目标:

定义强化学习的关键特征,并将其与非交互式的机器学习区别开来;
确定是否能将实际问题公式化为RL问题,如何定义这类问题,说明哪种算法最适合解决它;
常见RL算法的代码实现;
描述用于分析评估RL算法的标准;
描述探索与开发的挑战,并对比至少两种解决这一挑战的方法。

学完本课程后,你可以用这套标准来衡量自己的学习成果。

所需基础知识

本课程不是面向零基础人士,需要掌握以下知识:

Python:本课程使用numpy、TensorFlow以及Keras
大学微积分和线性代数:理解矩阵向量的运算和符号
概率与统计学:了解概率、高斯分布、期望值、标准差等基础知识
机器学习基础:本课程将定义损失函数,并通过梯度下降算法进行优化

课程资料汇总

最后附上课程全部资源:

课程主页:
http://web.stanford.edu/class/cs234/index.html

《强化学习入门》第二版:
http://incompleteideas.net/book/the-book-2nd.html

PPT下载地址:
http://web.stanford.edu/class/cs234/schedule.html

视频地址:
https://www.youtube.com/playlist?list=PLoROMvodv4rOSOPzutgyCTapiGlY2Nd8u


量子位AI+系列沙龙--智慧城市

640?wx_fmt=png

加入社群

量子位AI社群开始招募啦,量子位社群分:AI讨论群、AI+行业群、AI技术群;


欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“微信群”,获取入群方式。(技术群与AI+行业群需经过审核,审核较严,敬请谅解)

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

640?wx_fmt=jpeg

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点这里吧 !

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
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