人工智能/强化学习必修课：引领人工智能新时代
5.4万
已完结 · 共61课时
有效期3年
强化学习前沿技术实战
动态
微博
QQ空间
贴吧
将视频贴到博客或论坛
复制视频地址
微信扫一扫分享
- 用手机看
发布者
关注
梗直哥丶
主讲人瞿炜，博士毕业于美国伊利诺伊大学，曾在中美顶尖大学和科研机构任教，先后于多家上市公司担任高管、研究院院长等职。
课程概述
常见问题
Q：课程在什么时间更新？
A：课程更新频次以页面前端展示为准。购买成功后，课程更新将通过账号动态提示，方便及时观看。
Q：课程购买后有收看时间限制吗？
A：本课程购买后有效期3年，请知悉。
Q：原价购买课程后，如遇到优惠折扣，是否可以退还差价或重新购买？
A：虚拟商品付款后无法返还，请您随时留意各类课程折扣信息，按需购买。
Q：购买课程后是否可以加入老师的粉丝群或者用户群？
A：如老师设置用户群，我们将邀您加入，但我们无法承诺所有老师均提供用户群服务，感谢理解。
券后 2888 元起/61课时 立即购买
优惠活动
【减400.0】【限时特惠】哔哩哔哩课堂满3288减400优惠券
领取
课程目录
附赠课件
课程群
第一章 欢迎来到强化学习的世界
全集试看
01.课程内容和理念
视频课
6分8秒
2
全集试看
02.认识强化学习
视频课
20分39秒
3
03.课程使用的技术栈
视频课
5分23秒
第二章 数学知识回顾：凡事预则立，不预则废
4
01.线性代数
视频课
12分42秒
5
02.微积分
视频课
13分11秒
6
03.概率
视频课
19分29秒
第三章 环境安装和工具使用：工欲善其事，必先利其器
7
01.CUDA+Anaconda深度学习环境配置
视频课
7分7秒
8
02.conda实用命令
视频课
5分32秒
9
03.Jupyter Notebook快速上手
视频课
5分40秒
10
04.仿真环境Gym安装
视频课
6分49秒
11
05.深度学习库Pytorch安装
视频课
3分36秒
第四章 马尔可夫随机过程：憧憬和行动中追寻生命的意义
12
01.序列建模与概率图模型
视频课
16分6秒
13
02.马尔可夫观测过程：学会“看”
视频课
16分38秒
14
03.马尔可夫决策过程：试着“干”
视频课
12分9秒
15
04.马尔可夫奖励过程：懂得“想”
视频课
19分4秒
16
05.贝尔曼方程：迭代求解价值函数
视频课
12分24秒
17
06.模型分类与选择
视频课
11分18秒
18
07.常见问题解析
视频课
8分28秒
19
08.马尔科夫随机过程代码实现
视频课
12分12秒
第五章 动态规划方法：理想国中的完美人生
20
01.动态规划方法核心思想和原理
视频课
11分26秒
21
02.策略迭代
视频课
15分22秒
22
03.价值迭代
视频课
7分48秒
23
04.动态规划代码实现
视频课
12分13秒
第六章 经典无模型方法：离散世界的价值最大化
24
01.蒙特卡洛方法
视频课
11分10秒
25
02.时序差分方法
视频课
12分51秒
26
03.蒙特卡洛方法和时序差分代码实现
视频课
8分7秒
27
04.广义策略迭代：统一的框架
视频课
7分55秒
28
05.Q-Learning算法（Off-Policy）
视频课
12分49秒
29
06.SARSA算法（On-Policy）
视频课
8分3秒
30
07.Q-Learning & SARSA代码实现
视频课
7分5秒
第七章 深度Q网络：他山之石，可以攻玉
31
01.核心思想和原理
视频课
16分42秒
32
02.DQN代码实现
视频课
10分29秒
33
03.常用改进和扩展
视频课
10分52秒
34
04.改进算法的代码实现
视频课
8分55秒
第八章 深度策略梯度方法：行胜于言，止于至善
35
01.深度策略梯度方法核心思想和原理
视频课
16分6秒
36
02.蒙特卡洛策略梯度（REINFORCE）
视频课
9分42秒
37
03.策略梯度的代码实现
视频课
6分28秒
38
04.近端策略优化算法（PPO）
视频课
14分25秒
39
05.近端策略优化的代码实现
视频课
10分22秒
第九章 演员-评论家算法：戏为兄弟，共荣共生
40
01.核心思想和原理（AC）
视频课
8分57秒
41
02.改进型演员评论家算法（A2C、A3C）
视频课
9分1秒
42
03.演员评论家算法的代码实现
视频课
6分21秒
43
04.深度确定性策略梯度（DDPG）
视频课
12分22秒
44
05.DDPG的代码实现
视频课
7分37秒
45
06.软性演员评论家算法（SAC）
视频课
16分41秒
46
07.SAC的代码实现
视频课
10分26秒
第十章 基于模型的强化学习：看不见的上帝之手
47
01.基于模型的强化学习核心思想和原理
视频课
19分37秒
48
02.Dyna-Q算法
视频课
16分33秒
49
03.Dyna-Q的代码实现
视频课
5分57秒
50
04.基于模型的策略优化（MBPO）
视频课
8分31秒
51
05.MBPO的代码实现
视频课
14分48秒
第十一章 进阶强化学习：欲穷千里目，更上一层楼
52
01.模仿学习三剑客
视频课
17分34秒
53
02.博弈论与强化学习
视频课
17分44秒
54
03.多智能体强化学习
视频课
16分14秒
55
04.多智能体强化学习的代码实现
视频课
12分13秒
56
05.AlphaStar网络
视频课
23分50秒
57
06.基于人类反馈的强化学习（RLHF）
视频课
16分21秒
第十二章强化学习实战：绝知此事要躬行
58
01.项目实战：OpenAI Gym游戏
视频课
17分37秒
59
02.项目实战：大模型训练
视频课
11分53秒
60
03.最新发展趋势分析
视频课
20分52秒
61
04.下一步学习建议
视频课
14分57秒
相关推荐
人工智能/机器学习必修课：经典AI算法与编程实战
集齐人工智能十大经典算法、百张知识脑图，带你轻松上手实战。
20.5万播放/共120课时
人工智能/深度学习必修课：进击AI算法工程师
囊括深度学习几乎所有主流模型和生成式AI等前沿科技
23.2万播放/共100课时
NLP自然语言处理｜Transformer实战
课程兼顾原理推导与工程编码，不只调用现成接口
939播放/共177课时
手写 Agent Harness：大模型工具调用
从 0 手写一个 Agent Harness
418播放/共53课时
家电从业者AI实战（中级）
家电家居AI实战进阶：智能家居/个性化推荐/售后客服深度应用与岗位落地，适合已入门从业者系统提升AI应用能力。
147播放/共18课时
Cordys CRM 实战训练营
AI CRM 实战演练直播课 + 官方认证
39播放/共4课时
医药从业者AI实战（初级）
医药流通岗位AI进阶：仓储、配送、药店、合规四大实战方向，智能仓储/库存管理/订单履约深入落地，面向在职从业者提升岗位效率。
116播放/共18课时
跨境电商从业者AI实战（入门）
零基础学跨境电商AI：选品、运营、客服、物流四大岗位实战，选品/Listing优化/海外营销全覆盖，无需技术背景，学完即用。
482播放/共18课时
家电从业者AI实战（初级）
家电家居岗位AI进阶：产品、设计、营销、售后四大实战方向，智能家居/个性化推荐/售后客服深入落地，面向在职从业者提升岗位效率。
45播放/共18课时
农业从业者AI实战（入门）
零基础学农业与食品AI：种植、养殖、质检、供应链四大岗位实战，智能种植/精准养殖/食品质检全覆盖，无需技术背景，学完即用。
62播放/共18课时
Hyperframes生成视频教程
使用Hyperframes生成各种视频以及Skill封装
2663播放/共11课时
GPT Image 2 从入门到出图实战
掌握AI视觉创作全流程，解锁高效创意生成技能，从零到视觉大师
7024播放/共42课时
WorkBuddy企业应用实操
WorkBuddy AI 助手从入门到企业自动化实战
722播放/共11课时
医疗从业者AI实战（初级）
医疗健康岗位AI进阶：医生、护理、医技、管理四大实战方向，智能辅助问诊/病历管理/健康服务深入落地，面向在职从业者提升岗位效率。
133播放/共18课时
大鹏 Claude Code 二开 AI PPT
用 Claude Code 二开开源 AI PPT 实战
458播放/共23课时
评论（0）