强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益，主要应用于游戏、机器人、金融等领域。

本课程首先介绍了什么是强化学习，并展示了使用强化学习可以实现的效果；然后结合具体案例分别展示了Q Learning、Sarsa、将Q Learining优势与神经网络结合的DQN、Policy Gradients等算法的原理和实现，一般包含算法更新和思维决策两个环节；最后，

扩展讲解了Actor Critic、DDPG、A3C、PPO/DPPO等强化学习算法。

【课程目标】

了解强化学习

掌握Q Learing、Sarsa、DQN、Policy Gradients等算法的原理

【适用对象】

AI开发者、学生、机器学习研究人员，机器学习以及强化学习的相关人群

【课程大纲】

• 什么是强化学习Reinforcement Learning：强化学习Reinforcement Learning介绍
• Q Learning算法概述：要求准备、简单例子、Q Learning算法更新、Q Learning思维决策
• Sarsa算法概述：Sarsa算法更新、思维决策
• DQN算法：DQN算法更新、DQN神经网络、DQN思维决策、OpenAI Gym using Tensorflow、Double DQN using Tensorflow、DQN with Prioritised Replay using Tensorflow、Dueling DQN using Tensorflow
• 其他算法：Actor Critic 演员评论家、DDPG (Deep Deterministic Policy Gradient)、A3C (Asynchronous Advantage Actor-Critic)、PPO/DPPO Proximal Policy Optimization