李宏毅老师的《深度强化学习》是强化学习领域经典的中文视频之一。李老师幽默风趣的上课风格让晦涩难懂的强化学习理论变得轻松易懂,他会通过很多有趣的例子来讲解强化学习理论。比如老师经常会用玩 Atari 游戏的例子来讲解强化学习算法。此外,为了教程的完整性,我们整理了周博磊老师的《强化学习纲要》、李科浇老师的《世界冠军带你从零实践强化学习》以及多个强化学习的经典资料作为补充。对于想入门强化学习又想看中文讲解的人来说绝对是非常推荐的。
本教程也称为“蘑菇书”,寓意是希望此书能够为读者注入活力,让读者“吃”下这本蘑菇之后,能够饶有兴致地探索强化学习,像马里奥那样愈加强大,继而在人工智能领域觅得意外的收获。
- 第 4 章到第 11 章为李宏毅《深度强化学习》的部分;
- 第 1 章和第 2 章根据《强化学习纲要》整理而来;
- 第 3 章和第 12 章根据《世界冠军带你从零实践强化学习》 整理而来。
推荐京东扫码购买 |
当当扫码购买 |
豆瓣评分:https://book.douban.com/subject/35781275/
ℹ️ 勘误修订表:https://datawhalechina.github.io/easy-rl/#/errata
地址:https://datawhalechina.github.io/easy-rl/
地址:https://github.com/datawhalechina/easy-rl/releases
国内地址(推荐国内读者使用):链接: https://pan.baidu.com/s/1isqQnpVRWbb3yh83Vs0kbw 提取码: us6a
压缩版(推荐网速较差的读者使用,文件小,图片分辨率较低):链接: https://pan.baidu.com/s/1mUECyMKDZp-z4-CGjFhdAw 提取码: tzds
PDF版本是全书初稿,人民邮电出版社的编辑老师们对初稿进行了反复修缮,最终诞生了纸质书籍,在此向人民邮电出版社的编辑老师的认真严谨表示衷心的感谢!(附:校对样稿)
算法实战部分包括附书代码和JoyRL代码:
点击或者网页点击papers
文件夹进入经典强化学习论文解读
- 对视觉强化学习感兴趣的读者,可阅读Awesome Visual RL
- 对深度学习感兴趣的读者,可阅读李宏毅深度学习教程LeeDL-Tutorial
Qi Wang 教程设计(第1~12章) |
Yiyuan Yang 习题设计&第13章 |
John Jim 算法实战 |
王琦,杨毅远,江季,Easy RL:强化学习教程,人民邮电出版社,https://github.com/datawhalechina/easy-rl, 2022.
Qi Wang, Yiyuan Yang, Ji Jiang,Easy RL: Reinforcement Learning Tutorial,Posts & Telecom Press,https://github.com/datawhalechina/easy-rl, 2022.
@book{wang2022easyrl,
title = {Easy RL:强化学习教程},
publisher = {人民邮电出版社},
year = {2022},
author = {王琦,杨毅远,江季},
address = {北京},
isbn = {9787115584700},
url = {https://github.com/datawhalechina/easy-rl}
}
@book{wang2022easyrl,
title = {Easy RL: Reinforcement Learning Tutorial},
publisher = {Posts & Telecom Press},
year = {2022},
author = {Qi Wang, Yiyuan Yang, Ji Jiang},
address = {Beijing},
isbn = {9787115584700},
url = {https://github.com/datawhalechina/easy-rl}
}
如果您需要转载该教程的内容,请注明出处:https://github.com/datawhalechina/easy-rl。
特别感谢 @Sm1les、@LSGOMYP 对本项目的帮助与支持。
扫描下方二维码关注公众号:Datawhale,回复关键词“Easy-RL读者交流群”,即可加入“Easy-RL读者交流群”
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。