两日公开课：伯克利深度强化学习训练营 | 视频+PPT

千平 发自 凹非寺 量子位 出品 | 公众号 QbitAI

又有新公开课放出~

加州大学伯克利分校的Pieter Abbeel教授，最近联合他的两位博士生Yan (Rocky) Duan、Xi (Peter) Chen，以及现任特斯拉人工智能和Autopilot视觉总监Andrej Karpathy，共同发起了一个两日的深度强化学习训练营。

除此以外，还有来自DeepMind和OpenAI的客座讲师。

强化学习被认为是下一代人工智能系统的驱动力，在模式识别之外带来了更多的进步。例如强化学习让AI学会了玩Atari游戏，帮助AlphaGo在围棋世界称霸。所有这些都依赖于深度神经网络和强化学习之间的协同。

在这个为期两天的训练营里，将通过讲座和动手实验相结合的课程，教授深度强化学习的基础。

这个训练营的主题包括：

• 强化学习基础
• 策略梯度
• Actor-Critic算法
• Q-learning
• 进化策略
• 强化学习故障排除和调试策略
• 当前的研究

组织者希望学过这些课程之后，能帮助你了解相关的基础知识，能从头开始应用最先进的方法，能在rllab上构建高级应用程序，能够将深度强化学习应用在更多的新领域。

课程表

• Core Lecture 1 Intro to MDPs and Exact Solution Methods — Pieter Abbeel
• Core Lecture 2 Sample-based Approximations and Fitted Learning — Rocky Duan
• Core Lecture 3 DQN + Variants — Vlad Mnih
• Core Lecture 4a Policy Gradients and Actor Critic — Pieter Abbeel
• Core Lecture 4b Pong from Pixels — Andrej Karpathy
• Core Lecture 5 Natural Policy Gradients, TRPO, and PPO — John Schulman
• Core Lecture 6 Nuts and Bolts of Deep RL Experimentation — John Schulman
• Core Lecture 7 SVG, DDPG, and Stochastic Computation Graphs — John Schulman
• Core Lecture 8 Derivative-free Methods — Peter Chen
• Core Lecture 9 Model-based RL — Chelsea Finn
• Core Lecture 10a Utilities — Pieter Abbeel
• Core Lecture 10b Inverse RL — Chelsea Finn
• Frontiers Lecture I: Recent Advances, Frontiers and Future of Deep RL — Vlad Mnih
• Frontiers Lecture II: Recent Advances, Frontiers and Future of Deep RL — Sergey Levine
• TAs Research Overviews

以上所有的课程视频和PPT，现在已经全部放出。有兴趣的同学，请前往以下网址学习：

https://sites.google.com/view/deep-rl-bootcamp/lectures

温馨提示：应该需要更科学的上网方式才能访问。

另外，这次的公开课得到了好几家赞助商的支持。其中，钻石赞助商是亚马逊，另外京东是白银赞助商。