教程

http://incompleteideas.net/sutton/book/the-book-2nd.html

《Reinforcement Learning: An Introduction》，Richard S. Sutton和Andrew G. Barto著。

注：Richard S. Sutton，加拿大計算機科學家，麻省大學阿姆赫斯特分校博士（1984年），阿爾伯塔大學教授。強化學習之父，研究該領域長達三十余年。

Andrew G. Barto，麻省大學阿姆赫斯特分校教授。Richard S. Sutton的導師。

http://incompleteideas.net/sutton/609%20dropbox/slides%20(pdf%20and%20keynote)/

Sutton的pdf和keynote

注：資料中的.key文件即為keynote文件。這種格式是蘋果設備上的專用ppt格式，在其他系統中查看不了。

http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html

UCL Course on RL

David Silver，劍橋大學本科（1997年）+阿爾伯塔大學博士（2011年）。倫敦大學學院講師。現為DeepMind研究員。AlphaGo之父。

Silver的名聲直追他的導師Sutton，這個教程也流傳很廣。后續介紹的教程中，多有對它的抄襲。

http://www.meltycriss.com/2017/09/09/note-reinforcement-learning/

課程筆記《UCL強化學習》。這個blog包含大量的思維導圖。

https://mp.weixin.qq.com/s/_PVe7Gcq7Yk8nOFJFPcUQw

葉強：David Silver《深度強化學習》公開課教程學習筆記完整版

https://github.com/clamesc/reinforcement-learning-mindmap

另一個版本的David Silver課程的思維導圖。

http://web.stanford.edu/class/cs234/syllabus.html

CS234: Reinforcement Learning

http://rail.eecs.berkeley.edu/deeprlcourse/

CS 294: Deep Reinforcement Learning

以上1本書+4個課程，基本就是目前RL領域的黃金搭檔了。Stanford的課程內容比較新，但是很淺。UCB的課程通常都是給入門以后的人準備的，無論DL還是RL，都是這樣。Sutton和Silver的課程內容比較老，但是很有深度。和CV領域只需要學習DL，而不需要學習傳統方法不同，按照Sutton的說法，基本算法原理遠比神經網絡更重要。

http://www.eecs.wsu.edu/~taylorm/17_580/index.html

CptS 580: Reinforcement Learning

http://www.eecs.wsu.edu/~taylorm/2011_cs420/index.html

Artificial Intelligence。這個課程名義上叫AI，實則包括狀態空間搜索、強化學習和貝葉斯網絡三部分內容。

http://www.eecs.wsu.edu/~taylorm/2010_cs414/index.html

Introduction to Machine Learning。Matthew E. Taylor的本行是RL，所以不管什么課程，都有RL的內容。

Matthew E. Taylor，安默斯特學院本科（2001年）+德州大學奧斯汀分校博士（2008年）。華盛頓州立大學副教授。

https://katefvision.github.io/

CMU: Deep Reinforcement Learning and Control

https://course.ie.cuhk.edu.hk/~ierg6130/schedule.html

香港中文大學：Reinforcement Learning

https://github.com/aikorea/awesome-rl

提供了RL方面的資源網頁。aikorea還提供了同類的資源收集網頁：awesome-rnn, awesome-deep-vision, awesome-random-forest。

https://mp.weixin.qq.com/s/dS0oQbGtrdd4rS25cBNyoQ

面向Open AI, TensorFlow, Keras的強化學習書籍《Reinforcement Learning》

https://102.alibaba.com/downloadFile.do?file=1517812754285/reinforcement_learning.pdf

《強化學習在阿里的技術演進與業務創新》，這是阿里出品的RL實戰類書籍。

https://mp.weixin.qq.com/s/RbUcEOctRm8kX6_Ar4J0CA

446頁簡易Python強化學習教程書籍

https://mp.weixin.qq.com/s/7DlbuJI_gARJRABnlZQcxQ

伯克利大學ICML2018強化學習80頁教程

https://mp.weixin.qq.com/s/7WnlNvxk0KKVPYqvSi7fKA

40頁 PPT，BMM夏令營《強化學習簡明教程》

https://mp.weixin.qq.com/s/VelM7ndXfevXKfPno-T9jQ

微軟亞研130PPT教程：強化學習簡介

https://sites.ualberta.ca/~szepesva/RLBook.html

《Algorithms for Reinforcement Learning》

https://mp.weixin.qq.com/s/tZjIdNSLvIVzho-IlCvm6A

93頁隨機近似與強化學習教程分享

https://mp.weixin.qq.com/s/o1wLREqtIZpzH2NxLl9M7A

深度強化學習簡介

https://mp.weixin.qq.com/s/Y9DfxQJ-w23QXxKV0z26ag

MIT科學家Dimitri P. Bertsekas最新2019出版《強化學習與最優控制》

https://mp.weixin.qq.com/s/2cEd_FGmj-WVfm4KrQfMMg

《深度學習與機器人學》大牛Pieter Abbeel 105頁PPT下載

https://mp.weixin.qq.com/s/u49cuDV21ITs1aV9tJR85g

Pieter Abbeel：《深度學習在機器人中的應用》

https://mp.weixin.qq.com/s/z9MvLuqjY5Xmty18ZP10WQ

UC伯克利Pieter Abbeel教授強化學習教程-附59頁slides

https://github.com/enggen/DeepMind-Advanced-Deep-Learning-and-Reinforcement-Learning

DeepMind與UCL合作推出的深度學習與強化學習進階課程

https://mp.weixin.qq.com/s/CnL1uIWef2AjIr_AwL7t-w

DeepMind研究員Tor2019著作《賭博機算法》，555頁帶你學習專治選擇困難癥技術

https://zhuanlan.zhihu.com/c_168521441

在線學習(MAB)與強化學習(RL)

https://github.com/p-christ/Deep-Reinforcement-Learning-Algorithms-with-PyTorch

PyTorch實現多種深度強化學習算法

https://mp.weixin.qq.com/s/UrwP9t-Ox4M9QImKDUDcsA

140頁《深度強化學習入門》發布

https://simoninithomas.github.io/Deep_reinforcement_learning_Course/

老外寫的簡易深度強化學習入門

https://mp.weixin.qq.com/s/nSfvhr096aTeOHxDHy0NeA

434頁《Python強化學習實用指南》

https://www.starai.io/course/

StarAi的DRL教程

https://mp.weixin.qq.com/s/eMzrktlm93ZEZi-J5sipqA

莫斯科國立大學56頁《深度強化學習綜述》最新論文，帶你全面了解DRL最新方法

https://github.com/dennybritz/reinforcement-learning

GitHub 萬星資源：強化學習算法實現，教程代碼樣樣全，還有詳細學習規劃

論文

《A Brief Survey of Deep Reinforcement Learning》

《Asynchronous Methods for Deep Reinforcement Learning》

《Deep Reinforcement Learning for Dialogue Generation》

blog

https://zhuanlan.zhihu.com/sharerl

強化學習知識大講堂

https://zhuanlan.zhihu.com/intelligentunit

一個DL+RL的專欄

https://www.cnblogs.com/pinard/category/1254674.html

一個DRL的專欄

https://www.cnblogs.com/steven-yang/tag/強化學習/

一個RL的專欄

https://www.cnblogs.com/steven-yang/tag/博弈論/

一個博弈論的專欄

工具/框架

https://mp.weixin.qq.com/s/5ScRIl2MHNGaUyIEJJKnKw

DeepMind開源強化學習研究環境Control Suite

https://mp.weixin.qq.com/s/GTjNToprM2OO7uzSRQXkHw

DeepMind開源強化學習庫TRFL，關鍵算法可編寫RL智能體

https://mp.weixin.qq.com/s/PLFxehTAXcehzIrIMRfVpA

強化學習的基石：DeepMind開源框架TRFL

https://mp.weixin.qq.com/s/ew7vmvskp_q4aM7cJM-CXg

奪魁NeurIPS 2018強化學習大賽，百度正式發布RL模型庫和算法框架PARL

https://github.com/danaugrs/huskarl

基于TF2.0的深度強化學習平臺：Huskarl

https://mp.weixin.qq.com/s/ApP0zNuG5OP_-HzJC1v95Q

谷歌發布開源Dopamine 2.0，讓強化學習變得更靈活

https://mp.weixin.qq.com/s/Hod37LQ-eEe0EVtLfyXLGQ

DeepMind重磅開源強化學習框架！覆蓋28款游戲，24多個算法(OpenSpiel)

https://zhuanlan.zhihu.com/p/68462431

谷歌開源RL足球環境

https://mp.weixin.qq.com/s/BhTX4KQnLxUQLvPUfY3q6Q

物理實驗成本為零！南大LAMDA開源虛擬RL訓練環境

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的深度学习（三十八）——深度强化学习（1）教程的全部內容，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。