課程大綱： 用Python進行深度強化學(xué)習(xí)培訓(xùn)
介紹
強化學(xué)習(xí)基礎(chǔ)
強化學(xué)習(xí)基本技術(shù)
BURLAP簡介
值迭代和策略迭代的收斂
獎賞塑形（Reward Shaping）
探索（Exploration）
泛化（Generalization）
部分可觀察的馬爾可夫決策過程（POMDP）
選擇（Options）
Logistics
TD Lambda
策略梯度（Policy Gradient）
深度Q學(xué)習(xí)
博弈論（Game Theory）專題
加入高級會員獲得助教答疑
