深度强化学习(1/5)：基本概念 Deep Reinforcement Learning (1/5)

我将用5节课的时间讲解深度强化学习。这节课的内容是强化学习中的基本概念：Agent (智能体)、Environment (环境)、State (状态)、Action (动作)、Reward (奖励)、Policy (策略)、State Transition (状态转移)、Return (回报)、Value Functions (价值函数)。 这节课的主要内容： 0:30 概率论基础知识 6:56 强化学习基本术语 12:54 Agent (智能体) 与 Environment (环境) 的交互 13:39 强化学习中的随机性 16:18 Reward (奖励) 与 Return (回报) 20:31 Value functions (价值函数) 27:51 用强化学习打游戏，以及OpenAI Gym的使用 34:53 总结这节课的内容 强化学习基础： 1. 基本概念：   • 深度强化学习(1/5)：基本概念  Deep Reinforcement Learn...   2. 价值学习：   • 深度强化学习(2/5)：价值学习  Value-Based Reinforcemen...   3. 策略学习：   • 深度强化学习(3/5)：策略学习  Policy-Based Reinforceme...   4. Actor-Critic：   • 深度强化学习(4/5)：Actor-Critic Methods   5. AlphaGo：   • 深度强化学习(5/5)：AlphaGo & Model-Based RL   课件：https://github.com/wangshusen/DRL