AI 研习社获得官方授权，汉化翻译伯克利 CS 294-112 《深度强化学习》，今天更新至第九讲啦~

我们先来一睹为快——
第九讲
高级策略梯度
上手视频约 8 分钟
翻译 | 邱忠喜  程炜  侯言旭  赵一诺  王勇

字幕 | 菠萝妹     后期 | 酱番梨
看完是不是不够过瘾！

扫描下方海报二维码，加入2018秋季CS294-112深度强化学习小组
即可观看完整视频
↓ ↓ ↓
同时，针对这门课程，我们同样开设了微信社群，
回复字幕君（微信：leiphonefansub）

你加入该课程小组的截图
我们将你拉入微信群聊
加我时备注“CS294加群”~

小组介绍          

截止到今日，AI研习社学习2018秋季CS294-112深度强化学习小组成员人数已经高达3000+人啦！
在AI研习社，这里有浓厚的学习氛围——
小组成员在这里打卡，记录自己的学习成果，在这里交流笔记心得——
「小组」产品上线后，AI 研习社推出了一系列的激励计划，鼓励各位组员学习视频课程，表现积极的学员还将获得由 AI 研习社提供的福利，这些福利包括但不限于机械键盘、双肩背包以及 AI 研习社定制的「浪中求稳」保温杯。
心动了吗，赶快将“AI研习小组”小程序添加到“我的小程序”吧！随时随地都能学习名校经典课程，和上千位小伙伴们一起，共同进步。

课程介绍

伯克利 CS 294-112 《深度强化学习》为官方开源最新版本，由伯克利大学该门课程授课讲师 Sergey Levine 授权 AI 研习社翻译。
12 月 20 日开始正式同步更新在 AI 研习社，大约 1 到 2 周更新一次。
该课程主题选择深度增强学习，即紧跟当前人工智能研究的热点，又可作为深度学习的后续方向，值得推荐。

先修要求

想要学习伯克利 CS 294-112 《深度强化学习》这门课程，学生需要先学习 CS189 或者其他同等学力课程。本课程将假定学生掌握强化学习、数值优化和机器学习的相关背景知识。
如果你对上述主题不是非常了解，那么需要自主学习补充以下知识点：
  • 增强学习和马尔科夫决策过程（MDPs）
MDPs的定义
具体算法：策略迭代和价值迭代
搜索算法
  • 数值最优化方法
梯度下降和随机梯度下降
反向传播算法
  • 机器学习
分类和回归问题：用什么样的损失函数，如何拟合线性或非线性模型
训练/测试误差，过拟合

视频截图

译者评价

比较有趣，讲课用很多例子来解释，不是那种光给你一大堆公式概念的，感觉偏重实际应用和前沿技术一点，推荐大家来看。
@周清逸
这门课是基本覆盖了强化学习的主要内容和前沿的研究话题，通过理论到应用例子的讲述，以及五次作业（实际上是七次）的实践练习对经典算法的复现，可以让学生达到在强化学习领域的入门研究水平。重点是免费！课程有中文字幕！有作业参考！不过这门课并不是零门槛，需要上过机器学习课程，最好是还上过深度学习（比如cmu deeplearning），最最好用过tensorflow（因为作业的官方基础代码只有tensorflow版本）。
@朱海浩
侧重于增强学习与深度学习相结合，应用在机器人方面的例子比较多，翻译的话老师语速挺快的，虽然语气词比较多，整体逻辑很清晰。
@段小杰

课程大纲

第一讲：课程介绍和概览
第二讲：监督学习和模仿学习
第三讲：TensorFlow 和神经网络简述
第四讲：强化学习简介
第五讲：策略梯度简介
第六讲：Actor-Critic 算法简介
第七讲：价值函数介绍
第八讲：高级 Q-学习算法
第九讲：高级策略梯度
第十讲：最优控制和规划
第十一讲：基于模型的强化学习
第十二讲：高级强化学习和图像处理应用
第十三讲：利用模仿优化控制器学习策略
第十四讲：概率和变分推断入门
第十五讲：推断和控制之间的联系
第十六讲：逆向强化学习
第十七讲：探索（上）
第十八讲：探索（下）
第十九讲：迁移学习与多任务学习
第二十讲：元学习
第二十一讲：平行结构和强化学习系统设计
第二十二讲：进阶模仿学习和开放性问题
第二十三讲：客座讲师：Craig Boutilier
第二十四讲：客座讲师：Gregory Kahn
第二十五讲：客座讲师：Quoc Le & Barret Zoph
第二十六讲：客座讲师：Karol Hausman
你可能还想看
点击【阅读原文】观看第九讲
继续阅读
阅读原文