课程介绍
要实现人工智能的梦想和影响，需要学会做出正确决策的自主系统。强化学习是这样做的一个强大范例，它与大量任务相关，包括机器人技术、游戏、消费者建模和医疗保健。
CS234是顶级院校斯坦福出品的强化学习方向专业课程，为强化学习领域提供坚实的介绍。学生将学习核心挑战和方法，包括概括和探索。
通过讲座、书面和编码作业的结合，学生将精通RL的关键思想和技术。作业将包括强化学习的基础知识以及深度强化学习——这是一个将深度学习技术与强化学习相结合的非常有前途的新领域。
课程讲师 Emma Brunskill，斯坦福计算机科学系副教授,卡内基梅隆大学的助理教授。专注于创建人工智能系统——从少量样本中学习，在医疗保健和教育领域稳健地做出良好决策。
课程主题
CS234 对于强化学习初步到构建全局认知有很大帮助。
- Introduction to Reinforcement Learning（强化学习介绍）
- Tabular MDP planning（表格型马尔科夫决策）
- Tabular RL policy evaluation（表格型强化学习策略评估）
- Q-learning（Q学习）
- RL with function approximation（基于函数估计的强化学习）
- Policy search（策略搜索）
- Fast Learning（快速学习）
- Batch Reinforcement Learning（批强化学习）
- Monte Carlo Tree Search（蒙特卡洛树搜索）
课程资料 | 下载
 |
扫描上方图片二维码，关注公众号并回复关键字 🎯『CS234』，就可以获取整理完整的资料合辑啦！当然也可以点击 🎯 这里 查看更多课程的资料获取方式！
ShowMeAI 对课程资料进行了梳理，整理成这份完备且清晰的资料包：
- 📚 课件（PDF）。Lecture 1~16（官方未发布第14章的视频和课件）。
- 📚 笔记（PDF）。Note 1~14（部分笔记对应2章内容）。
- 📚 作业及参考解答（PDF）。Assignment 1~3 作业、代码和答案。
课程视频 | B站
ShowMeAI 将视频上传至B站，并增加了中英双语字幕，以提供更加友好的学习体验。点击页面视频，可以进行预览。推荐前往 👆 B站 观看完整课程视频哦！
本门课程，ShowMeAI 将部分章节进行了切分，按照主题形成更短小的视频片段，便于按照标题进行更快速的检索。切分后的视频清单列写在这里：
| 序号 | 视频章节 | 视频清单 |
|---|---|---|
| L1 | 第01讲 | 内容介绍与初步 |
| L2 | 第02讲 | Making Sequences of Good Decisions |
| L3 | 第03讲 | 无模型策略评估 |
| L4 | 第04讲 | 无模型控制 |
| L5 | 第05讲 | 价值函数估计 |
| L6 | 第06讲 | 卷积神经网络与Deep Q Learning |
| L7 | 第07讲 | 模仿学习 |
| L8 | 第08讲 | 梯度策略 l |
| L9 | 第09讲 | 梯度策略 ll |
| L10 | 第10讲 | 梯度策略 lll |
| L11 | 第11讲 | 快速强化学习&探索与利用 |
| L12 | 第12讲 | 快速强化学习&探索与利用ll |
| L13 | 第13讲 | 快速强化学习&探索与利用II |
| L14 | 第15讲 | 批强化学习 |
| L15 | 第16讲 | 蒙特卡洛树搜索 |
根据视频内容整理的这份『CS234 课程结构图解』，展示了内容要点及其逻辑关系，超级直观！相信对构建 Whole Picture 特别有帮助~
从图解可以看出来，学习本门课程后，会有如下收获：
- 定义强化学习与人工智能和非交互式机器学习的主要区别。
- 给定一个应用问题（例如，来自计算机视觉、机器人学等），决定是否将其表述为RL问题；如果是，则能够正式定义它（根据状态空间、动作空间、动力学和奖励模型），说明什么算法最适合解决它，并证明你的答案。
- 在代码中实现常见的RL算法）。
- 描述（列出并定义）分析RL算法的多个标准，并根据这些指标评估算法：例如遗憾、样本复杂性、计算复杂性、经验性能、收敛性等。
- 描述探索与开发挑战，并比较和对比至少两种解决这一挑战的方法（在性能、可扩展性、实现复杂性和理论保证方面）。
学习建议
- 精通Python。所有课堂作业都将使用Python。能熟练使用C/C++/Matlab/Javascript等编程语言也可以。
- 大学微积分、线性代数。能够熟练地学习导数，理解矩阵向量运算和符号。
- 基本概率和统计。知道概率、高斯分布、均值、标准差等的基本知识。
- 机器学习的基础。课程将制定成本函数，采用导数，并使用梯度下降法进行优化。
更多技术与课程清单 | 点击查看详细课程
