全球名校AI课程库(10)| Berkeley伯克利 · 深度强化学习课程『Deep Reinforcement Learning』

CS285; Deep Reinforcement Learning; 深度强化学习

🏆 课程学习中心 | 🚧 强化学习课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析


课程介绍

强化学习提供了算法的数学基础,深度模型则将这些算法扩展到现实世界的系统表示。过往十年,深度学习和强化学习均取得了瞩目的进展,算力明显提升,这写对于深度强化学习的研究有巨大推动。

深度强化学习,是人工智能发展的重大方向之一,备受各大科研机构与公司青睐,也被很多人认为是实现通用人工智能最有可能的路径。

CS285; Deep Reinforcement Learning; 深度强化学习

CS285 课程来自著名的顶级院校UC伯克利,结合了最新的研究进展,讲解深度强化学习领域的前沿知识和实践。课程覆盖了使用深度学习神经网络进行强化学习的各类方法模型,对强化学习感兴趣的同学可以借此全面了解神经网络在其中的应用。

课程讲师 Sergey Levine,UC Berkeley 电气工程和计算机科学系的助理教授。专注于控制Control和机器学习之间的交叉,开发算法和技术,使机器能够自主获得执行复杂任务的技能。

CS285; Deep Reinforcement Learning; 深度强化学习

根据视频内容整理的这份『CS285 课程结构图解』,展示了内容要点及其逻辑关系,超级直观!相信对构建 Whole Picture 特别有帮助~


课程主题

课程官网发布了课程主题,ShowMeAI 对其进行了翻译。

  • Introduction and Course Overview(课程速览与介绍
  • Supervised Learning of Behaviors(行为监督学习
  • Introduction to Reinforcement Learning(强化学习介绍
  • Policy Gradients(梯度策略
  • Actor-Critic Algorithms(Actor-Critic 算法
  • Value Function Methods(价值函数方法
  • Deep RL with Q-functions(基于Q函数的的深度强化学习
  • Advanced Policy Gradients(前沿梯度策略
  • Model-based Planning(基于模型的规划
  • Model-based Reinforcement Learning(基于模型的强化学习
  • Model-based Policy Learning(基于模型的策略学习
  • Exploration(探索与利用
  • Offline Reinforcement Learning(离线强化学习
  • Introduction to RL Theory(强化学习理论
  • Deep RL Algorithm Design(深度强化学习算法设计
  • Probability and Variational Inference Primer(概率与变分推断初步
  • Connection between Inference and Control(推断与控制联系
  • Inverse Reinforcement Learning(逆强化学习
  • Transfer Learning and Multi-Task Learning(迁移学习与多任务学习
  • Meta-Learning(元学习
  • Challenges and Open Problems(挑战与开放待解决的问题

课程资料 | 下载

CS285; Deep Reinforcement Learning; 深度强化学习

扫描上方图片二维码,关注公众号并回复关键字 🎯『CS285』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

CS285; Deep Reinforcement Learning; 深度强化学习

ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:

  • 📚 课件。Lecture 1~23所有章节。
  • 📚 代码作业与参考答案-数据文件&.py文件。Homework 1~5所有作业的参考答案。

课程视频 | B站

🌍 B站 | 【双语字幕+资料下载】伯克利CS285 | 深度强化学习(2020最新·全23讲)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!


全球名校AI课程合辑

作者ShowMeAI内容团队
阅读原文https://www.showmeai.tech/article-detail/345

posted @ 2022-11-12 15:20  ShowMeAI  阅读(241)  评论(0编辑  收藏  举报