扎实你的 AI Coding 基础！GitHub 大神整理了

本文经 AI 新媒体量子位（公众号 ID：QbitAI）授权转载，转载请联繫出处

作者：量子位／鱼羊

自从有了强化学习（RL），AI 上能星海争霸，下能雅达利（Atari）称王，让内行人沈醉，让外行人惊奇。

这里恰有一份标星过万的强化学习资源，既有教程推荐，又有配套练习，网友学了都说好，并且还在实时更新。

入学要求并不高，只需要一些基础的数学和机器学习知识。

想要入门强化学习，一份优质的课程必不可少。

强化学习资源千千万，项目作者 Denny Britz 大力推荐这两个：

David Silver 的强化学习课程

以及 Richard Sutton 和 Andrew Barto 的《强化学习：简介（第二版）》

Denny Britz 表示，这两本书几乎涵盖了入门强化学习需要了解的大部分研究论文，基础决定高度，理论知识还是要扎扎实实学起来。

理论有了，可书里并没有演算法练习。

别担心，帮人帮到底，送佛送到西，Denny Britz 亲自动手，用 Python，OpenAI Gym 和 Tensorflow 实现了大多数标準强化演算法，并把它们都共享了出来，方便大家配合教材使用。

在这份万星资源里，每个文件夹都对应着教材的一个或多个章节。除了练习和解决方案之外，每个文件夹下还包含了一系列学习目标，基础概念摘要，以及相关连结。

以基于模型的强化学习：使用动态规划的策略迭代和值迭代这一章为例。

这一章配套的是 David Silver RL 课程的第三讲，动态编程规划。

首先是学习目标：

了解策略评估和策略改进之间的区别，以及这些流程如何相互作用

理解策略迭代演算法

理解值迭代演算法

了解动态规划方法的局限性

设定好学习目标，这份教程还替你划了重点概念。

最后，奉上实战演练。

大框架已经搭好，只需专注重点思考如何填空：

文后附标準答案：

这份教程现在涵盖了以下演算法实现。

动态规划策略评估

动态规划策略迭代

动态规划值迭代

蒙特卡洛预测

Epslion-Greedy 策略的蒙特卡洛控制

具有重要性抽样的蒙特卡洛非策略控制

SARSA（策略 TD 学习）

Q 学习（非策略 TD 学习）

线性函数逼近的 Q 学习

雅达利游戏的深度 Q 学习

雅达利游戏的双重深度 Q 学习

优先经验回放的深度 Q 学习（施工中）

策略梯度：基线强化

策略梯度：基线 Actor-Critic 演算法

策略梯度：具有连续动作空间的基线 Actor-Critic 演算法

连续动作空间的确定性策略梯度（施工中）

DDPG（施工中）

异步优势 Actor-Critic 演算法（A3C）

学习路径如此清晰，这样的优质资源，不存起来吗？

GitHub 传送门