課程內(nèi)容：

本課程將提供強(qiáng)化學(xué)習(xí)的基礎(chǔ)和高級(jí)知識(shí)，涵蓋三個(gè)核心技能：理論、實(shí)施和評(píng)估。學(xué)生將學(xué)習(xí)表格強(qiáng)化學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)的基礎(chǔ)知識(shí)，并將獲得設(shè)計(jì)和實(shí)施這些方法的實(shí)際應(yīng)用經(jīng)驗(yàn)。具體來說，學(xué)生將有機(jī)會(huì)：

1、學(xué)習(xí)強(qiáng)化學(xué)習(xí)的理論基礎(chǔ)(馬爾可夫決策過程和動(dòng)態(tài)規(guī)劃)。

2、學(xué)習(xí)強(qiáng)化學(xué)習(xí)的算法基礎(chǔ)(時(shí)間差和蒙特卡羅學(xué)習(xí))。

3、通過表格強(qiáng)化學(xué)習(xí)獲得構(gòu)建低維問題和實(shí)施解決方案的經(jīng)驗(yàn)。

4、了解深度強(qiáng)化學(xué)習(xí)背后的動(dòng)機(jī)及其與高維應(yīng)用的相關(guān)性，如玩視頻游戲和機(jī)器人。

5、探索最先進(jìn)的深度強(qiáng)化學(xué)習(xí)算法，如Deep Q Networks (DQN)、proximity Policy optimization(PPO)和Soft Actor critical(SAC)。

6、用Python和PyTorch實(shí)現(xiàn)和試驗(yàn)一系列不同的深度強(qiáng)化學(xué)習(xí)算法，并學(xué)習(xí)如何可視化和評(píng)估這些算法的性能。

學(xué)習(xí)成果：

成功完成本課程后，學(xué)生將能夠：

1、描述自主系統(tǒng)學(xué)習(xí)的核心原則。

2、使用強(qiáng)化學(xué)習(xí)理論計(jì)算問題的數(shù)學(xué)解。

3、比較和對(duì)比一系列強(qiáng)化學(xué)習(xí)方法。

4、運(yùn)用最新的知識(shí)提出解決決策問題的方案。

5、使用Python和PyTorch將數(shù)學(xué)概念翻譯成軟件來解決實(shí)際問題。

6、評(píng)估一系列方法的性能，并提出適當(dāng)?shù)母倪M(jìn)建議。

7、通過清晰的可視化總結(jié)復(fù)雜的數(shù)據(jù)，以幫助評(píng)估。