鱼羊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
自从有了强化学习（RL），AI上能星际争霸，下能雅达利称王，让内行人沉醉，让外行人惊奇。
这里恰有一份标星过万的强化学习资源，既有教程推荐，又有配套练习，网友学了都说好，并且还在实时更新。
入学要求并不高，只需要一些基础的数学和机器学习知识。
清晰的学习路径
想要入门强化学习，一份优质的课程必不可少。
强化学习资源千千万，项目作者 Denny Britz 大力推荐这两个：
David Silver 的强化学习课程：
http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html
以及 Richard Sutton 和 Andrew Barto的《强化学习：简介（第二版）》：
http://incompleteideas.net/book/RLbook2018.pdf
p.s. 实测无需魔法
Denny Britz 小哥表示，这两本书几乎涵盖了入门强化学习需要了解的大部分研究论文，基础决定高度，理论知识还是要扎扎实实学起来。
理论有了，可书里并没有算法实现。
别担心，帮人帮到底，送佛送到西，Denny Britz 亲自动手，用 Python，OpenAI Gym 和 Tensorflow 实现了大多数标准强化算法，并把它们都共享了出来，方便大家配合教材食用。
简直太贴心。
在这份万星资源里，每个文件夹都对应着教材的一个或多个章节。除了练习和解决方案之外，每个文件夹下还包含了一系列学习目标，基础概念摘要，以及相关链接。
以基于模型的强化学习：使用动态规划的策略迭代和值迭代这一章为例。
这一章配套的是 David Silver RL课程的第三讲，动态编程规划。
首先是学习目标：
了解策略评估和策略改进之间的区别，以及这些流程如何相互作用理解策略迭代算法理解值迭代算法了解动态规划 的局限性设定好学习目标，这份教程还替你划了重点概念。
最后，奉上实战演练。
大框架已经搭好，只需专注重点思考如何填空：
文后附标准答案：
实现算法列表
这份教程现在涵盖了以下算法实现。
动态规划策略评估动态规划策略迭代动态规划值迭代蒙特卡洛预测Epslion-Greedy 策略的蒙特卡洛控制具有重要性抽样的蒙特卡洛非策略控制SARSA（策略 TD 学习）Q学习（非策略 TD 学习）线性函数逼近的Q学习雅达利游戏的深度Q学习雅达利游戏的双重深度Q学习优先经验回放的深度Q学习（施工中）策略梯度：基线强化策略梯度：基线Actor-Critic 算法策略梯度：具有连续动作空间的基线 Actor-Critic 算法连续动作空间的确定性策略梯度（施工中）DDPG（施工中）异步优势 Actor-Critic 算法（A3C）学习路径如此清晰，这样的优质资源，不Mark一下吗？
传送门：
https://github.com/dennybritz/reinforcement-learning
— 完 —
诚挚
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“ ”两个字。
վ'ᴗ' ի 追踪AI技术和产品新动态
