课程介绍

• 

  郭宪

  CEO/董事长/总经理

  南开大学计算机与控制工程学院博士后，AI 教研室团队成员 。2009年毕业于华中科技大学机械设计制造及自动化专业，同年保送到中国科学院沈阳自动化研究所进行硕博连读，主攻机器人动力学建模与控制，于2016年1月获得工学博士学位，期间在国内外知名杂志和会议发表论文数10篇。2016年以来， 郭博士主攻方向为机器人智能感知和智能决策，目前主持两项国家级课题，内容涉及深度学习，深度强化学习等智能算法在机器人领域中的应用。

• 主题说明

  强化学习深入浅出完全教程，内容包括强化学习概述、马尔科夫决策过程、基于模型的动态规划方法、蒙特卡罗方法、时间差分方法、Gym环境构建及强化学习算 法实现、值函数逼近方法、DQN方法及其变种、策略梯度方法。

• 适合对象

  初级，想要入门或从事强化学习研究的人。

• 学习要点

  注：本节课共分为两个学时

  1. DP，MC 和 TD 方法比较
  2. MC 和 TD 方法偏差与方差平衡
  3. 同策略 TD 方法：Sarsa 方法
  4. 异策略 TD 方法：Qlearning 方法
  5. N 步预测及 的前向和后向观点
  6. 基于 python 的 TD 方法实现

• 课时安排