课程介绍：
这门强化学习课程从基础到实战层层递进，助力快速掌握核心技能。解析课程理念与强化学习核心概念，明确技术栈方向。回顾线性代数、微积分、概率等必备数学知识，筑牢理论根基。详解 CUDA、Anaconda 等工具安装与使用，轻松搞定实操环境。深入讲解马尔可夫过程、动态规划、无模型方法等核心算法，搭配代码实现教学。
视频截图：
课程目录：
├─1、第一章 欢迎来到强化学习的世界
│ 1_1-1-课程内容和理念.mp4
│ 2_1-2-认识强化学习.mp4
│ 3_1-3-课程使用的技术栈.mp4
│
├─2、第二章 数学知识回顾：凡事预则立 不预则废
│ 1_2-1-线性代数.mp4
│ 2_2-2-微积分.mp4
│ 3_2-3-概率.mp4
│
├─3、第三章 环境安装和工具使用：工欲善其事 必先利其器
│ 1_3-1-CUDA+Anaconda深度学习环境配置.mp4
│ 2_3-2-conda使用命令.mp4
│ 3_3-3-Jupyter-Notebook快速上手.mp4
│ 4_3-4-仿真环境Gym安装.mp4
│ 5_3-5-深度学习库PyTorch的安装.mp4
│
├─4、第四章 马尔可夫随机过程：憧憬和行动中追寻生命的意义
│ 1_4-1-序列建模与概率图模型.mp4
│ 2_4-2-马尔可夫观测过程：学会“看”.mp4
│ 3_4-3-马尔可夫决策过程：试着-“干”.mp4
│ 4_4-4-马尔可夫奖励过程：懂得“想”.mp4
│ 5_4-5-贝尔曼方程：迭代求解价值函数.mp4
│ 6_4-6-模型分类与选择.mp4
│ 7_4-7-常见问题解析.mp4
│ 8_4-8-马尔可夫过程代码实现.mp4
│
├─5、第五章 动态规划方法：理想国中的完美人生
│ 1_5-1-动态回归核心思想和原理.mp4
│ 2_5-2-策略迭代.mp4
│ 3_5-3-价值迭代.mp4
│ 4_5-4-动态规划代码实现.mp4
│
└─6、第六章 经典无模型方法：离散世界的价值最大化
1_6-1-蒙特卡洛方法.mp4
2_6-2-时序差分方法.mp4
3_6-3-蒙特卡洛方法和时序差分代码实现.mp4
4_6-4-广义策略迭代.mp4
5_6-5-Q-Learning算法.mp4
6_6-6-SARSA算法.mp4
7_6-7-Q-Learning&SARSA代码实现.mp4
