Awesome
Reinforcement-Learning
主要内容
<h2 id="curriculum">课程列表</h2>
| 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 |
<h2 id="basic_knowledge">基础知识</h2>
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 |
<h2 id="special_course_learning">专项课程学习</h2>
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 |
<h2 id="reference_booklists">参考书籍</h2>
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(建议第一本)，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(2nd edition) | 链接 |
| Algorithms for Reinforcement Learning | 链接 |
| Decision Making Under Uncertainty: Theory and Application | 链接 |
<h2 id="papers_reading">论文专区</h2>
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！。