强化学习

会推策略梯度和 PPO，能训练一个智能体在环境里学会决策。

学习流程

• 马尔可夫决策过程
• 价值函数和 Q 学习
• 策略梯度
• PPO
• 训一个会玩游戏的智能体

去哪学

• OpenAI Spinning Up 课程 · 免费
• Hugging Face 强化学习课 课程 · 免费