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。