强化学习必修课视频课程无一遗漏无课件 (1.41G)

001.1-1 课程内容和理念.mp4

002.1-2 认识强化学习.mp4

003.1-3 课程使用的技术栈.mp4

004.2-1 线性代数.mp4

005.2-2 微积分.mp4

006.2-3 概率.mp4

007.3-1 cuda+anaconda深度学习环境配置.mp4

008.3-2 conda使用命令.mp4

009.3-3 jupyter notebook快速上手.mp4

010.3-4 仿真环境gym安装.mp4

011.3-5 深度学习库pytorch的安装.mp4

012.4-1 序列建模与概率图模型.mp4

013.4-2 马尔可夫观测过程：学会“看”.mp4

014.4-3 马尔可夫决策过程：试着 “干”.mp4

015.4-4 马尔可夫奖励过程：懂得“想”.mp4

016.4-5 贝尔曼方程：迭代求解价值函数.mp4

017.4-6 模型分类与选择.mp4

018.4-7 常见问题解析.mp4

019.4-8 马尔可夫过程代码实现.mp4

020.5-1 动态回归核心思想和原理.mp4

021.5-2 策略迭代.mp4

022.5-3 价值迭代.mp4

023.5-4 动态规划代码实现.mp4

024.6-1 蒙特卡洛方法.mp4

025.6-2 时序差分方法.mp4

026.6-3 蒙特卡洛方法和时序差分代码实现.mp4

027.6-4 广义策略迭代.mp4

028.6-5 q-learning算法.mp4

029.6-6 sarsa算法.mp4

030.6-7 q-learning&sarsa代码实现.mp4

031.7-1 深度q网络核心思想和原理.mp4

032.7-2 dqn 代码实现.mp4

033.7-3 常见问题改进和扩展.mp4

034.7-4 dqn改进算法代码实现.mp4

035.8-1 策略梯度核心思想和原理.mp4

036.8-2 蒙特卡洛策略梯度.mp4

037.8-3 策略梯度方法代码实现.mp4

038.8-4 近端策略优化算法.mp4

039.8-5 近端策略优化（ppo）代码实现.mp4

040.9-1 演员评论家算法核心思想和原理.mp4

041.9-2 改进型演员评论家算法.mp4

042.9-3 演员评论家算法代码实现.mp4

043.9-4 深度确定性策略梯度.mp4

044.9-5 ddpg算法代码实现.mp4

045.9-6 软性演员评论家算法.mp4

046.9-7 sac代码实现.mp4

047.10-1 基于模型的强化学习核心思想和原理.mp4

048.10-2 dyna-q算法.mp4

049.10-3 dyna-q算法代码实现.mp4

050.10-4 基于模型的策略优化.mp4

051.10-5 mbpo的代码实现.mp4

052.11-1模仿学习.mp4

053.11-2 博弈论与强化学习.mp4

054.11-3 多智能体强化学习.mp4

055.11-4 maddp的代码实现.mp4

056.11-5 alphastar系统.mp4

057.11-6 基于人类反馈大强化学习.mp4

058.12-1 项目实战：gym游戏.mp4

059.12-2 项目实战：大模型rlhf.mp4

060.12-3 强化学习最新发展趋势.mp4

061.12-4 下一步的学习建议.mp4