讲师介绍：梗直哥丶:B站人工智能知名UP主美国伊利诺伊大学人工智能博士
曾任:新东方AI研究院院长、中国科学院教授
这门课适用对象：
计算机专业/AI专业/软件专业数理专业等
有一定基础未来在AI领域深耕发展
金融/医学/交通管理等其他专业
在其他领域有一定研究希望做跨学科研究将人工智能应用在传统领域
IT转型
技术研发拓展
Java/C/C++/Python等有编程经验，需要AI算法提升技术广度与深度，成为公司的技术大佬
产品经理/管理等工作需要
有业务需求，需要了解基本算法原理及应用，与自身业务相结合，寻求业务转型与突破
B站梗直哥瞿炜 – 强化学习必修课：引领人工智能新时代 61讲
├── 1_10-1-基于模型的强化学习核心思想和原理.mp4
├── 1_11-1模仿学习.mp4
├── 1_1-1-课程内容和理念.mp4
├── 1_12-1-项目实战：Gym游戏.mp4
├── 1_2-1-线性代数.mp4
├── 1_3-1-CUDA+Anaconda深度学习环境配置.mp4
├── 1_4-1-序列建模与概率图模型.mp4
├── 1_5-1-动态回归核心思想和原理.mp4
├── 1_6-1-蒙特卡洛方法.mp4
├── 1_7-1-深度Q网络核心思想和原理.mp4
├── 1_8-1-策略梯度核心思想和原理.mp4
├── 1_9-1-演员评论家算法核心思想和原理.mp4
├── 2_10-2-Dyna-Q算法.mp4
├── 2_11-2-博弈论与强化学习.mp4
├── 2_12-2-项目实战：大模型RLHF.mp4
├── 2_1-2-认识强化学习.mp4
├── 2_2-2-微积分.mp4
├── 2_3-2-conda使用命令.mp4
├── 2_4-2-马尔可夫观测过程：学会“看”.mp4
├── 2_5-2-策略迭代.mp4
├── 2_6-2-时序差分方法.mp4
├── 2_7-2-DQN-代码实现.mp4
├── 2_8-2-蒙特卡洛策略梯度.mp4
├── 2_9-2-改进型演员评论家算法.mp4
├── 3_10-3-Dyna-Q算法代码实现.mp4
├── 3_11-3-多智能体强化学习.mp4
├── 3_12-3-强化学习最新发展趋势.mp4
├── 3_1-3-课程使用的技术栈.mp4
├── 3_2-3-概率.mp4
├── 3_3-3-Jupyter-Notebook快速上手.mp4
├── 3_4-3-马尔可夫决策过程：试着-“干”.mp4
├── 3_5-3-价值迭代.mp4
├── 3_6-3-蒙特卡洛方法和时序差分代码实现.mp4
├── 3_7-3-常见问题改进和扩展.mp4
├── 3_8-3-策略梯度方法代码实现.mp4
├── 3_9-3-演员评论家算法代码实现.mp4
├── 4_10-4-基于模型的策略优化.mp4
├── 4_11-4-MADDP的代码实现.mp4
├── 4_12-4-下一步的学习建议.mp4
├── 4_3-4-仿真环境Gym安装.mp4
├── 4_4-4-马尔可夫奖励过程：懂得“想”.mp4
├── 4_5-4-动态规划代码实现.mp4
├── 4_6-4-广义策略迭代.mp4
├── 4_7-4-DQN改进算法代码实现.mp4
├── 4_8-4-近端策略优化算法.mp4
├── 4_9-4-深度确定性策略梯度.mp4
├── 5_10-5-MBPO的代码实现.mp4
├── 5_11-5-AlphaStar系统.mp4
├── 5_3-5-深度学习库PyTorch的安装.mp4
├── 5_4-5-贝尔曼方程：迭代求解价值函数.mp4
├── 5_6-5-Q-Learning算法.mp4
├── 5_8-5-近端策略优化（PPO）代码实现.mp4
├── 5_9-5-DDPG算法代码实现.mp4
├── 6_11-6-基于人类反馈大强化学习.mp4
├── 6_4-6-模型分类与选择.mp4
├── 6_6-6-SARSA算法.mp4
├── 6_9-6-软性演员评论家算法.mp4
├── 7_4-7-常见问题解析.mp4
├── 7_6-7-Q-Learning&SARSA代码实现.mp4
├── 7_9-7-SAC代码实现.mp4
├── 8_4-8-马尔可夫过程代码实现.mp4
请先 ！