ch*tg*t的大火让很多人见识到了强化学习的强大,一个简单的rlhf原来可以做到这么牛逼!这恰恰就是强化学习的魅力了.本课程大家将了解到强化学习在机器人控制、自动驾驶、推荐系统等领域的应用和前景。同时，梗直哥瞿炜还将带领大家探讨强化学习与其他人工智能技术的结合，如自然语言处理、计算机视觉等，这些技术的结合将为智能时代带来更加广阔的发展空间
课程目录
强化学习必修课：引领智能新时代
├─ 1_1-1-课程内容和理念.mp4
├─ 1_10-1-基于模型的强化学习核心思想和原理.mp4
├─ 1_11-1模仿学习.mp4
├─ 1_12-1-项目实战：Gym游戏.mp4
├─ 1_2-1-线性代数.mp4
├─ 1_3-1-CUDA+Anaconda深度学习环境配置.mp4
├─ 1_4-1-序列建模与概率图模型.mp4
├─ 1_5-1-动态回归核心思想和原理.mp4
├─ 1_6-1-蒙特卡洛方法.mp4
├─ 1_7-1-深度Q网络核心思想和原理.mp4
├─ 1_8-1-策略梯度核心思想和原理.mp4
├─ 1_9-1-演员评论家算法核心思想和原理.mp4
├─ 2_1-2-认识强化学习.mp4
├─ 2_10-2-Dyna-Q算法.mp4
├─ 2_11-2-博弈论与强化学习.mp4
├─ 2_12-2-项目实战：大模型RLHF.mp4
├─ 2_2-2-微积分.mp4
├─ 2_3-2-conda使用命令.mp4
├─ 2_4-2-马尔可夫观测过程：学会“看”.mp4
├─ 2_5-2-策略迭代.mp4
├─ 2_6-2-时序差分方法.mp4
├─ 2_7-2-DQN-代码实现.mp4
├─ 2_8-2-蒙特卡洛策略梯度.mp4
├─ 2_9-2-改进型演员评论家算法.mp4
├─ 3_1-3-课程使用的技术栈.mp4
├─ 3_10-3-Dyna-Q算法代码实现.mp4
├─ 3_11-3-多智能体强化学习.mp4
├─ 3_12-3-强化学习最新发展趋势.mp4
├─ 3_2-3-概率.mp4
├─ 3_3-3-Jupyter-Notebook快速上手.mp4
├─ 3_4-3-马尔可夫决策过程：试着-“干”.mp4
├─ 3_5-3-价值迭代.mp4
├─ 3_6-3-蒙特卡洛方法和时序差分代码实现.mp4
├─ 3_7-3-常见问题改进和扩展.mp4
├─ 3_8-3-策略梯度方法代码实现.mp4
├─ 3_9-3-演员评论家算法代码实现.mp4
├─ 4_10-4-基于模型的策略优化.mp4
├─ 4_11-4-MADDP的代码实现.mp4
├─ 4_12-4-下一步的学习建议.mp4
├─ 4_3-4-仿真环境Gym安装.mp4
├─ 4_4-4-马尔可夫奖励过程：懂得“想”.mp4
├─ 4_5-4-动态规划代码实现.mp4
├─ 4_6-4-广义策略迭代.mp4
├─ 4_7-4-DQN改进算法代码实现.mp4
├─ 4_8-4-近端策略优化算法.mp4
├─ 4_9-4-深度确定性策略梯度.mp4
├─ 5_10-5-MBPO的代码实现.mp4
├─ 5_11-5-AlphaStar系统.mp4
├─ 5_3-5-深度学习库PyTorch的安装.mp4
├─ 5_4-5-贝尔曼方程：迭代求解价值函数.mp4
├─ 5_6-5-Q-Learning算法.mp4
├─ 5_8-5-近端策略优化（PPO）代码实现.mp4
├─ 5_9-5-DDPG算法代码实现.mp4
├─ 6_11-6-基于人类反馈大强化学习.mp4
├─ 6_4-6-模型分类与选择itdjs_com.mp4
├─ 6_6-6-SARSA算法.mp4
├─ 6_9-6-软性演员评论家算法.mp4
├─ 7_4-7-常见问题解析.mp4
├─ 7_6-7-Q-Learning&SARSA代码实现.mp4
├─ 7_9-7-SAC代码实现.mp4
└─ 8_4-8-马尔可夫过程代码实现.mp4
微信扫一扫 
支付宝扫一扫 