强化学习 在 Python 中

掌握强化学习（RL）的基础知识，并了解如何构建模型以应对机器人和电子游戏中常见的复杂环境。如果你刚接触强化学习，或者想将强化学习作为机器学习的一个分支进行专攻，这里是理想的起点。你将首先学习强化学习的核心概念，例如马尔可夫决策过程、探索/利用权衡以及动态规划算法。 你将学习如何应用 Q-learning、SARSA 及其他方法，借助 Gymnasium 库在山脉和冰湖中导航。你将融合深度学习和强化学习，探索深度强化学习，它可用于训练智能体在几乎没有监督的情况下应对高度复杂的环境。一路上，你将把这些技术应用到实际项目中，包括优化出租车路线和股票交易模拟。有了这些强化学习工具，你就可以开始应对强化学习的一个令人兴奋的新应用：来自人类反馈的强化学习（RLHF）。 RLHF 可通过基于人类对其响应的反馈进行训练来改进 LLM 输出。今天就开始你的强化学习之旅！