yidachen / reinforcement-learning

Reinforcement-Learning

主要内容

• 课程列表
• 基础知识
• 专项课程学习
• 参考书籍
• 论文专区

##

课程列表

课程	机构	参考书	Notes等其他资料
MDP和RL介绍8 9 10 11	Berkeley	暂无	链接
MDP简介	暂无	Shaping and policy search in Reinforcement learning	链接
强化学习	UCL	An Introduction to Reinforcement Learning	链接
强化学习(偏Java)	Udacity	暂无	链接
深度强化学习	Berkeley	Algorithms for Reinforcement Learning	链接

##

基础知识

在完成了前面的机器学习课程后，我们已经拥有了较好的机器学习基础知识，这边我们给出的强化学习的基础知识可能可能前面也有涉及，主要帮助大家回顾以及更快的进入强化学习的后续课程部分，关于Berkeley的人工智能，我们仅仅只需要完成第8,9,10,11这四章内容即可，希望大家把这些基础知识扎实的学好。

课程	机构	参考书	Notes等其他资料
MDP简介	暂无	Shaping and policy search in Reinforcement learning	链接
人工智能8 9 10 11	Berkeley	暂无	链接

##

专项课程学习

深度强化学习课程可能会涉及一些神经网络的知识，如果有必要的话可以去深度学习一章寻找相应的资料进行学习。

课程	机构	参考书	Notes等其他资料
强化学习	UCL	An Introduction to Reinforcement Learning	链接
强化学习(偏Java)	Udacity	暂无	链接
深度强化学习	Berkeley	Algorithms for Reinforcement Learning	链接

##

参考书籍

  以下推荐的书籍都是公认的强化学习领域界的好书，建议这些书籍必须至少详细阅读一本，而较难的书籍不做任何要求，大家可以在学有余力时细细品味经典。

书名	链接
An Introduction to Reinforcement Learning	链接
Algorithms for Reinforcement Learning	链接
Decision Making Under Uncertainty: Theory and Application	链接

##

论文专区

恭喜您坚持到了现在，现在您已经拥有了扎实的数学功底，同时经过这么多的练习，也已经掌握了强化学习中的较为经典甚至一些较为前沿的技术，接下来如果您希望继续深造并成为大师并对该领域做出突破贡献，我们唯一能为您提供的就是下面的学习平台，它汇总了最经典的领域论文，领域开源包以及很多丰富的资源，同时会不断更新最新的进展，希望对您有帮助，补充一句：我们强烈建议您进入高校或者其他研究所进行深造，因为现在您当前的基础已经完全可以支撑您进行进一步研究，如果有好的导师引路，加之努力，将来定会成为大师，希望继续加油！。

• 强化学习平台
• 强化学习参考资料1
• 强化学习参考资料2 主要关注链接中的关于强化学习的内容即可
• [其他，希望大家一起补充]