102页PPT，DeepMind强化学习最新进展，含图文、公式和代码

来源：专知

本文多图，建议阅读9分钟

本文提供涵盖了强化学习RL基础概念、策略梯度、动态规划以及D4PG、R2D3等RL算法的资源。

[ 导读 ]在DeepMing任职的Nando de Freitas（原牛津大学教授）在KHIPU 2019上做了关于强化学习（RL）的教程，102页ppt。涵盖了强化学习RL基础概念、策略梯度、动态规划以及D4PG、R2D3等RL算法，并介绍了RL的应用。

在KHIPU 2019（Latin American Meeting In Artificial Intelligence）上，在DeepMing任职的Nando de Freitas做了教程《Reinforcement Learning》，用图文、公式等详细地介绍了强化学习的基础和一些进阶算法。

Nando de Freitas 简介

Nando出生在津巴布韦，曾是莫坎比克战争的难民，患有疟疾。他的父母借钱给他买一本护照，让他能够生活在葡萄牙马德拉的一个火山岩小屋，没有水和电，父母忙着偿还债务也不在身边，这种情况一直持续到欧盟到达那里。

他在威特沃特斯兰德大学(University of the Witwatersrand)获得了电气工程理学学士学位和控制理学硕士学位，后获得剑桥大学三一学院(Trinity College, Cambridge University)神经网络贝叶斯方法博士学位，这要归功于慈善人士提供的奖学金。

他在加州大学伯克利分校(UC Berkeley)获得了人工智能的博士后学位，并于2001年成为加拿大不列颠哥伦比亚大学(University of British Columbia)的教授，随后在2013年成为英国牛津大学(University of Oxford)的教授。2017年，他以首席科学家的身份加入了DeepMind的全职工作，帮助解决智能问题的愿景，让未来几代人能够过上更好的生活。Nando也是加拿大高级研究所的高级研究员，并获得了一些学术奖项。

主页介绍：

https://khipu.ai/03_nando_de_freitas/

《Reinforcement Learning》教程的内容

• 强化学习概念
• 策略梯度
• 动态规划
• 深度Q网络
• 分布式强化学习
• D4PG（Distributed Distributional Deep Deterministic Policy Gradients）
• PPO（Proximal Policy Optimization）和MPO（Maximum aposteriori Policy Optimisation）
• R2D3（Recurrent Replay Distributed DQN from Demonstrations）
• 强化学习应用：
  • AlphaX
  • Batch强化学习

教程部分截图如下所示：

参考链接：

https://khipu.ai/program/

https://khipu.ai/03_nando_de_freitas/

https://drive.google.com/file/d/1kPc3fyOzt0I3Sdwt5EgHH5Bsn1Ng-h11/view?usp=sharing

编辑：黄继彦

校对：王欣

Reinforcement Learning — Khipu 2019.pdf

链接: https://pan.baidu.com/s/1kFngdDcW7llIbYH9o7SE7g 提取码: f4g7