041.强化学习必修课视频课程无一遗漏无课件
├─001.1-1 课程内容和理念.mp4
├─002.1-2 认识强化学习.mp4
├─003.1-3 课程使用的技术栈.mp4
├─004.2-1 线性代数.mp4
├─005.2-2 微积分.mp4
├─006.2-3 概率.mp4
├─007.3-1 CUDA+Anaconda深度学习环境配置.mp4
├─008.3-2 conda使用命令.mp4
├─009.3-3 Jupyter Notebook快速上手.mp4
├─010.3-4 仿真环境Gym安装.mp4
├─011.3-5 深度学习库PyTorch的安装.mp4
├─012.4-1 序列建模与概率图模型.mp4
├─013.4-2 马尔可夫观测过程：学会“看”.mp4
├─014.4-3 马尔可夫决策过程：试着 “干”.mp4
├─015.4-4 马尔可夫奖励过程：懂得“想”.mp4
├─016.4-5 贝尔曼方程：迭代求解价值函数.mp4
├─017.4-6 模型分类与选择.mp4
├─018.4-7 常见问题解析.mp4
├─019.4-8 马尔可夫过程代码实现.mp4
├─020.5-1 动态回归核心思想和原理.mp4
├─021.5-2 策略迭代.mp4
├─022.5-3 价值迭代.mp4
├─023.5-4 动态规划代码实现.mp4
├─024.6-1 蒙特卡洛方法.mp4
├─025.6-2 时序差分方法.mp4
├─026.6-3 蒙特卡洛方法和时序差分代码实现.mp4
├─027.6-4 广义策略迭代.mp4
├─028.6-5 Q-Learning算法.mp4
├─029.6-6 SARSA算法.mp4
├─030.6-7 Q-Learning&SARSA代码实现.mp4
├─031.7-1 深度Q网络核心思想和原理.mp4
├─032.7-2 DQN 代码实现.mp4
├─033.7-3 常见问题改进和扩展.mp4
├─034.7-4 DQN改进算法代码实现.mp4
├─035.8-1 策略梯度核心思想和原理.mp4
├─036.8-2 蒙特卡洛策略梯度.mp4
├─037.8-3 策略梯度方法代码实现.mp4
├─038.8-4 近端策略优化算法.mp4
├─039.8-5 近端策略优化（PPO）代码实现.mp4
├─040.9-1 演员评论家算法核心思想和原理.mp4
├─041.9-2 改进型演员评论家算法.mp4
├─042.9-3 演员评论家算法代码实现.mp4
├─043.9-4 深度确定性策略梯度.mp4
├─044.9-5 DDPG算法代码实现.mp4
├─045.9-6 软性演员评论家算法.mp4
├─046.9-7 SAC代码实现.mp4
├─047.10-1 基于模型的强化学习核心思想和原理.mp4
├─048.10-2 Dyna-Q算法.mp4
├─049.10-3 Dyna-Q算法代码实现.mp4
├─050.10-4 基于模型的策略优化.mp4
├─051.10-5 MBPO的代码实现.mp4
├─052.11-1模仿学习.mp4
├─053.11-2 博弈论与强化学习.mp4
├─054.11-3 多智能体强化学习.mp4
├─055.11-4 MADDP的代码实现.mp4
├─056.11-5 AlphaStar系统.mp4
├─057.11-6 基于人类反馈大强化学习.mp4
├─058.12-1 项目实战：Gym游戏.mp4
├─059.12-2 项目实战：大模型RLHF.mp4
├─060.12-3 强化学习最新发展趋势.mp4
└─061.12-4 下一步的学习建议.mp4
