V
主页
斯坦福大学《强化学习|Stanford CS234 Reinforcement Learning 2024》deepseek翻译
发布人
https://web.stanford.edu/class/cs234/ 要实现人工智能的梦想和影响，需要自主系统学会做出正确决策。 强化学习是实现这一目标的一个强大范例，它与机器人、游戏、消费者建模和医疗保健等大量任务息息相关。 本课程将扎实地介绍强化学习领域，学生将了解核心挑战和方法，包括泛化和探索。 通过讲座、书面作业和编码作业的结合，学生将精通强化学习的关键思想和技术。 作业将包括强化学习的基础知识以及深度强化学习--一个极具前景的新领域，它将深度学习技术与强化学习相结合。 本课的先决条件 熟练掌握 Python 所有的课堂作业都将使用 Python。 对于不熟悉 Python 的人，这里有一个教程。 如果您有大量编程经验，但使用的是另一种语言（如 C/C++/Matlab/Javascript），您也可以胜任。 大学微积分、线性代数（如 MATH 51、CME 100） 您应该能够自如地求导、理解矩阵向量运算和符号。 基础概率与统计（如 CS 109 或其他统计课程） 您应该了解概率、高斯分布、均值、标准偏差等基础知识。 机器学习基础 我们将制定成本函数、求导数并使用梯度下降法进行优化。 CS 221 或 CS 229 都包含这方面的背景知识。 如果对凸优化有一定的了解，一些优化技巧会更加直观。
打开封面
下载高清视频
观看高清视频
视频下载器
强化学习基础 （本科生课程） 北京邮电大学 鲁鹏
【强化学习的数学原理】课程：从零开始到透彻理解（完结）
CMU《多模态机器学习|CMU 11-777 Multimodal Machine Learning, Fall 2023》中英字幕
强化学习的一个有趣例子
【莫烦Python】强化学习 Reinforcement Learning
【王树森】深度强化学习(DRL)
上海交大张伟楠强化学习课程第16讲：基于扩散模型的强化学习
【子豪兄】深度强化学习 Deep Reinforcement Learning
CMU 10-414/714: 机器学习系统 Deep Learning Systems
chapter0:如何自学强化学习——入门指北
Stanford CS234 2024 Spring | 强化学习 | Reinforcement Learning
MIT《基础模型和生成式AI入门|MIT 6.S087: Foundation Models & Generative AI (2024)》中英字幕
卡内基梅隆大学【多模态机器学习】CMU Multimodal Machine Learning（附课件）
CUDA GPU编程 |11小时教程2024版-上集【中英精校】
