監督學習 (Supervised Learning)、無監督學習 (Unsupervised learning) 和強化學習 (Reinforcement Learning) 是機器學習的三類算法。隨著 Alpha Go 的成功，強化學習已成為當下機器學習中最熱門的研究領域之一，逐漸在游戲、機器人控制、計算機視覺、自然語言處理和推薦系統等領域得到應用。

與常見的監督學習和非監督學習不同，強化學習主要強調智能體（Agent）與環境（Environment）的交互，其目標就是從智能體與環境的交互過程中獲取信息，學出狀態與動作之間的映射，指導智能體根據狀態做出最佳決策，最大化獲得的獎勵。

強化學習的發展不僅停留在理論層面，各大游戲、機器人、無人駕駛、金融、電商等企業在高薪招募強化學習算法工程師/研究員，爭取在技術研究及產品研發上能夠搶占先機。阿里巴巴推出的《強化學習在阿里的技術演進與業務創新》電子書籍中，全面介紹了強化學習在集團諸多業務中的成功應用。

雖然強化學習已經引起國內外足夠的關注，但中文資料少之又少，國內鮮有高校開設系統性的課程，并且缺乏相互交流的圈子。深藍學院聯合中科院自動化所、清華大學的研究人員，打磨推出『強化學習：理論與實踐』升級版I在線課程。課程通過理論與代碼實踐，讓大家掌握算法的核心思想，并安排Project大作業，體驗強化學習的實際應用；同時，建立課程答疑群，便于相互交流學習。

【講師介紹】

陳達貴，深藍學院講師，清華大學自動化系碩士，主要研究方向是深度強化學習的理論和計算圖形學，開拓了其課題組強化學習的研究方向，帶隊在FPS游戲Visual Doom人工智能競賽取得前三名。曾在阿里巴巴從事將強化學習具體落地的探索和實踐項目，具有豐富的深度強化學習實踐經驗。其主講的『強化學習理論與實踐』第一期課程，受到大家的普遍歡迎。

【課程目錄】

【報名咨詢】

1，2018年12月7日-2019年2月15日，每周五晚上7點-9點進行授課；

2，課程限報200人，報滿即止；

3，前100位，可領取100元優惠券，報名時直接抵現；

4，微信添加課程助教—書哲（shenlanflying），領券報名。

現在添加助教微信，備注“RL”，立刻免費領取RL電子資料。

總結

以上是生活随笔為你收集整理的“泡沫”之后，强化学习已应用到这些领域的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。