国科大春季18-19强化学习.rar

简介：
该资源为国科大于2018至2019年春季学期开设的强化学习课程资料，涵盖理论讲解与实践案例分析。适合对机器学习和人工智能有兴趣的学习者深入研究。 2016年AlphaGo战胜人类顶级围棋选手标志着人工智能的一个重要里程碑事件，其中强化学习方法发挥了重要作用。麻省理工学院、斯坦福大学和卡内基梅隆大学等著名学府纷纷开设或重点讲授强化学习课程。 强化学习是人工智能研究中最活跃的领域之一。与监督学习不同，强化学习根据系统的当前状态采取行动，并由环境提供奖励或惩罚信号，通过不断的学习来寻找累计奖励最大的策略。简而言之，这是一种基于数据自适应地获取最优决策和控制的方法，在棋类博弈、智能驾驶以及机器人控制等领域有广泛的应用。 R. Sutton 和 A. Barto 的《强化学习导论》自1998年首次出版以来，为该领域的关键思想与算法提供了清晰而简明的描述，并系统介绍了从历史到当前的发展和应用。这本书被公认为是该领域的一本经典教材，目前正计划更新至第二版，在线可以找到其电子版本供参考。课程将以此书为主要教材，同时介绍最新的强化学习及深度强化学习算法。这门课适合人工智能学院研究生作为专业基础课程来选修。