【AI】强化学习入门路径及优质资料

💡简介

简单总结了学习强化学习的路径以及相关优质资料。

🖼️前置知识——机器学习/深度学习^[1]

1. 入门推荐台大李宏毅的机器学习课程^[2]。
   优点：李宏毅老师讲课风格比较诙谐，内容清晰又不失深度。
   缺点：课时多、涵盖内容种类太多。

2. 吴恩达的机器学习课程^[3]。
   优点：讲课清晰，内容紧凑。
   缺点：英文授课，中文字幕有些跳戏。

• 对于深度学习和机器学习有一定理解后，就有了强化学习的基础。

🧠基础知识——强化学习^[1][4][5]

1. 先推荐莫凡的强化学习入门视频^[6]
   优点：课时时间都超短，且附有实现代码，配合代码复现效果更佳。
   缺点：课时过短，很多内容消化不了，容易一知半解。

2. 再推荐一个openai整理的的RL核心论文网站^[7]

3. 论文看不懂？正常！再结合李宏毅老师的视频理解一波^[8]

4. David Silver的课程^[9]也非常棒！PPT和授课内容都非常棒。视频可以找到中文版字幕。

5. 内容还是太过零碎化？实体强化学习”圣经“来一本。（《强化学习（第2版）》^[10]）

6. 推荐先看看OpenAI Spinning Up^[11]，内容较少读得快、且条理比较清晰，后面提到的两个案例库都根据Spinningup的数学符号来写的，方便大家对照代码。

7. 另外几个系统的进阶课程^[12][13]

8. 王树森老师的课程，讲得很不错^[14]。

9. 周博磊老师，也是这个领域非常厉害的老师，课程详细全面^[15]。

🔨实践资料——代码库^[1][4]

尝试运行与实现基础算法，可以帮助你更好地理解对应的基础知识，这里有两个相关的RL案例库：

1. 一个是面向产品化而提供高层抽象：RLzoo-面向产品化的RL库^[16]（会有一些大型RL案例会放到这里）；
2. 另一个是面向科研而提供浅层抽象：TL-面向科研的RL库^[17]（有常用RL方法的论文列表）。

最后放个大的：Paper with Code^[18]。

• Papers with Code 是一个包含机器学习论文及其代码实现的网站。 大多数论文都是有GitHub代码的，这个网站对机器学习方向做了任务分类，检索对应的论文、数据、代码和精度榜单一目了然。
• 目前，网站已包含114,474 篇带代码的论文、 11,915 个基准测试、 4,574 个任务、 15,541 个数据集。

  Papers with Code 的使命是创建一个免费和开放的资源 机器学习论文、代码、数据集、方法和评估表。
  The mission of Papers with Code is to create a free and open resource with Machine Learning papers, code, datasets, methods and evaluation tables.

---

---

• 希望这篇博客对你有帮助！如果你有任何问题或需要进一步的帮助，请随时提问。
• 如果你喜欢这篇文章，欢迎动动小手给我一个follow或star。

🗺参考文献

[1] 求问强化学习的学习路线？ - 盛夏的果核的回答 - 知乎

[2] 机器学习-李宏毅(2019) Machine Learning-bilibili

[3] 机器学习（Machine Learning）- 吴恩达（Andrew Ng）-bilibili

[4] 强化学习怎么入门好？ - 董豪的回答 - 知乎

[5] 强化学习怎么入门？ - 阿路阿路的回答 - 知乎

[6] morvanzhou-强化学习视频

[7] 强化学习-关键性论文

[8] 李宏毅深度强化学习(国语)课程(2018)-bilibili=

[9] Teaching

[10] 《强化学习（第2版）》（加）Richard S. Sutton（理查德·桑顿）【简介_书评_在线阅读】 - 当当图书

[11] OpenAI - Spinning Up

[12] UCL course: Advanced DL and RL

[13] Deep RL and Control

[14] 强化学习课程-王树森-bilibili

[15] 强化学习课程-周博磊-bilibili

[16] RLzoo：面向产品化的RL库

[17] TL：面向科研的RL库

[18] Paper with Code