本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。

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：

以及 Richard Sutton 和 Andrew Barto的《强化学习：简介（第二版）》：

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
• 了解动态规划方法的局限性

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）
  人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。