2018 秋季CS294-112深度强化学习,AI研习社,伯克利大学CS294-112《深度强化学习》为官方开源最新版本,由伯克利大学该门课程授课讲师授权AI研习社翻译。
一、课程大纲
第一讲:课程介绍和概览
第二讲:监督学习和模仿学习
第三讲:TensorFlow和神经网络简述
第四讲:强化学习简介
第五讲:策略梯度简介
第六讲:Actor-Critic算法简介
第七讲:价值函数介绍
第八讲:高级Q-学习算法
第九讲:高级策略梯度
第十讲:最优控制和规划
第十一讲:基于模型的强化学习
第十二讲:高级强化学习和图像处理应用
第十三讲:利用模仿优化控制器学习策略
第十四讲:概率和变分推断入门
第十五讲:推断和控制之间的联系
第十六讲:逆向强化学习
第十七讲:探索(上)
第十八讲:探索(下)
第十九讲:迁移学习与多任务学习
第二十讲:元学习
第二十一讲:平行结构和强化学习系统设计
第二十二讲:进阶模仿学习和开放性问题
第二十三讲:客座讲师:Craig Boutilier
第二十四讲:客座讲师:Gregory Kahn
第二十五讲:客座讲师:Quoc Le&Barret Zoph
第二十六讲:客座讲师:Karol Hausman
二、更新时间
隔一周周四更新
三、写在最后:想要参与这门课程的翻译?添加雷锋字幕组微信leiphonefansub为好友,即可报名,译者招募长期有效哦~ 适用人群:本课程将假定学生掌握强化学习、数值优化和机器学习的相关背景知识。