强化学习（张少锋, 苏骏炜）
2026秋 课程号：DSCI6003P01
2026秋 课程号：DSCI6003P01
2026秋 课程号：DSCI6003P01
(暂无评价)
(暂无评价)
- 课程难度：你猜
- 作业多少：你猜
- 给分好坏：你猜
- 收获大小：你猜
| 选课类别：基础 | 教学类型：理论实验课 |
| 课程类别：研究生课程 | 开课单位：人工智能与数据科学学院 |
| 课程层次：硕士 | 学分：4.0 |
课程主页：暂无（如果你知道，劳烦告诉我们！）
简介
最后更新：
强化学习（Reinforcement Learning）是一种重要的机器学习方法，是研究如何与环境交互并且做出最佳决策的一门学科，在智能机器人控制及分析预测等领域有广泛应用。强化学习有机的融合了机器学习、运筹学、博弈论、控制论、信息论等多个学科，是一门理论性和实用性都很强的课程。
本课程将以强化学习领域的基础知识为重点，注重核心方法和技术的讲解，强调应用中的问题和实际解决方案，并介绍相关研究的最新进展。课程内容主要包括以下三个部分：
- 传统强化学习。介绍马尔科夫决策过程（MDP），动态规划，蒙特卡洛方法，时序差分学习，值函数近似，策略梯度方法，Gym环境等基础知识。
- 深度强化学习。介绍模仿学习（Imitation Learning），深度Q学习，蒙特卡洛树搜索等。
- 强化学习最新进展。包括多智能体动态环境决策，去掉马尔科夫假设的深度强化学习等。
点评
写点评
还没有评论耶！放着我来！
