梗直哥瞿炜-强化学习必修课：引领人工智能新时代

📁 第六章 经典无模型方法：离散世界的价值最大化
    1_6-1-蒙特卡洛方法.mp4  [17.9 MB]
    6_6-6-SARSA算法.mp4  [11.1 MB]
    2_6-2-时序差分方法.mp4  [18.3 MB]
    4_6-4-广义策略迭代.mp4  [10.7 MB]
    5_6-5-Q-Learning算法.mp4  [17.7 MB]
    3_6-3-蒙特卡洛方法和时序差分代码实现.mp4  [13.4 MB]
    7_6-7-Q-Learning&SARSA代码实现.mp4  [13.2 MB]
📁 第七章 深度Q网络：他山之石，可以攻玉
    3_7-3-常见问题改进和扩展.mp4  [14.9 MB]
    2_7-2-DQN-代码实现.mp4  [19.7 MB]
    1_7-1-深度Q网络核心思想和原理.mp4  [24.0 MB]
    4_7-4-DQN改进算法代码实现.mp4  [18.2 MB]
📁 第五章 动态规划方法：理想国中的完美人生
    2_5-2-策略迭代.mp4  [21.3 MB]
    1_5-1-动态回归核心思想和原理.mp4  [15.8 MB]
    4_5-4-动态规划代码实现.mp4  [23.5 MB]
    3_5-3-价值迭代.mp4  [10.7 MB]
📁 第十二章 强化学习实战：绝知此事要躬行
    2_12-2-项目实战：大模型RLHF.mp4  [21.9 MB]
    1_12-1-项目实战：Gym游戏.mp4  [34.4 MB]
    3_12-3-强化学习最新发展趋势.mp4  [38.6 MB]
    4_12-4-下一步的学习建议.mp4  [20.9 MB]
📁 第三章 环境安装和工具使用：工欲善其事，必先利其器
    1_3-1-CUDA+Anaconda深度学习环境配置.mp4  [11.5 MB]
    4_3-4-仿真环境Gym安装.mp4  [10.8 MB]
    5_3-5-深度学习库PyTorch的安装.mp4  [5.8 MB]
    2_3-2-conda使用命令.mp4  [8.3 MB]
    3_3-3-Jupyter-Notebook快速上手.mp4  [8.7 MB]
📁 第十一章 进阶强化学习：欲穷千里目，更上一层楼
    6_11-6-基于人类反馈大强化学习.mp4  [23.4 MB]
    2_11-2-博弈论与强化学习.mp4  [32.6 MB]
    1_11-1模仿学习.mp4  [24.6 MB]
    5_11-5-AlphaStar系统.mp4  [46.6 MB]
    4_11-4-MADDP的代码实现.mp4  [24.6 MB]
    3_11-3-多智能体强化学习.mp4  [22.9 MB]
📁 第二章 数学知识回顾：凡事预则立，不预则废
    2_2-2-微积分.mp4  [17.4 MB]
    1_2-1-线性代数.mp4  [16.5 MB]
    3_2-3-概率.mp4  [25.8 MB]
📁 第四章 马尔可夫随机过程：憧憬和行动中追寻生命的意义
    6_4-6-模型分类与选择.mp4  [17.7 MB]
    5_4-5-贝尔曼方程：迭代求解价值函数.mp4  [16.8 MB]
    4_4-4-马尔可夫奖励过程：懂得“想”.mp4  [27.0 MB]
    2_4-2-马尔可夫观测过程：学会“看”.mp4  [22.3 MB]
    1_4-1-序列建模与概率图模型.mp4  [21.4 MB]
    7_4-7-常见问题解析.mp4  [11.5 MB]
    8_4-8-马尔可夫过程代码实现.mp4  [21.2 MB]
    3_4-3-马尔可夫决策过程：试着-“干”.mp4  [16.5 MB]
📁 第九章 演员-评论家算法：戏为兄弟，共荣共生
    7_9-7-SAC代码实现.mp4  [21.5 MB]
    1_9-1-演员评论家算法核心思想和原理.mp4  [12.8 MB]
    2_9-2-改进型演员评论家算法.mp4  [13.4 MB]
    4_9-4-深度确定性策略梯度.mp4  [18.1 MB]
    5_9-5-DDPG算法代码实现.mp4  [16.1 MB]
    6_9-6-软性演员评论家算法.mp4  [23.9 MB]
    3_9-3-演员评论家算法代码实现.mp4  [13.0 MB]
📁 第—章 欢迎来到强化学习的世界
    2_1-2-认识强化学习.mp4  [28.8 MB]
    3_1-3-课程使用的技术栈.mp4  [7.6 MB]
    1_1-1-课程内容和理念.mp4  [58.5 MB]
📁 第八章 深度策略梯度方法：行胜于言，止于至善
    5_8-5-近端策略优化（PPO）代码实现.mp4  [19.4 MB]
    3_8-3-策略梯度方法代码实现.mp4  [11.4 MB]
    1_8-1-策略梯度核心思想和原理.mp4  [22.7 MB]
    2_8-2-蒙特卡洛策略梯度.mp4  [13.3 MB]
    4_8-4-近端策略优化算法.mp4  [19.7 MB]
📁 第十章 基于模型的强化学习：看不见的上帝之手
    5_10-5-MBPO的代码实现.mp4  [35.0 MB]
    4_10-4-基于模型的策略优化.mp4  [12.3 MB]
    1_10-1-基于模型的强化学习核心思想和原理.mp4  [28.5 MB]
    2_10-2-Dyna-Q算法.mp4  [25.0 MB]
    3_10-3-Dyna-Q算法代码实现.mp4  [11.8 MB]