强化学习【深度强化学习落地指南】RL环境开发+PPO训练
1. 介绍强化学习环境基本要素，接口；2. 讲解基于Python的强化学习环境开发；3. 讲解如何使用SpinningUp中的PPO算法训练智能体去探索学习自己开发的RL环境。
共4节 204人已学习¥19.0 免费试学
强化学习深度强化学习极简入门与Pytorch实战
强化学习作为行为主义人工智能学派的典型代表，近几年与深度神经网络相结合形成的深度强化学习(DRL)，达到了令人惊叹的智能水平：2015年DQN智能体玩视频游戏超越人类水平，2017年基于PPO算法的Open Five在《Dota》游戏中战胜人类顶尖职业玩家，2019年基于DRL的AlphaStar在《星际争霸II》游戏中战胜人类顶尖职业玩家。深度强化学习为通用人工智能(AGI)带来了新的希望！ 然而，深度强化学习理论较为抽象，学习曲线陡峭，需要大量的时间和精力才能入门，很多硕士和博士往往浪费了大量时间在入门阶段，耽误了学习和科研进度。 本门课程的特点之一：精炼而不失重点。本门课程深入浅出，根据多年深度强化学习科研和项目实践经验，选取了强化学习入门所必须掌握的知识点，为学员构建一个最小而必要的强化学习知识体系，为后续的研究和论文专业以及工程实践打下坚实的基础。 本门课程的特点二：强调实战。为每个知识点精心设计设计编程实践练习，让学员在练习中理解和掌握知识点。课程设计了综合实战项目——开发强化学习智能体并参加强化学习比赛，提供竞赛baseline代码。
共43节 2420人已学习¥98.0 免费试学
- 1
枫老师
研究员/教授
高校教师，主要研究方向：强化学习、多智能体强化学习。
课程数 2 学生数 2624