gt_rl_course:强化学习内部课程的资源和材料

课程大纲 -1周：课程大纲 幻灯片NL启动并运行Python / conda虚拟环境 第0周：使用Python进行编程 Datacamp的诅咒： 面向对象的编程又称类 遵循本教程： 有关继承的其他信息： 练习： 第一周：RL简介 阅读Sutton＆Barto的第一章“简介” 练习： 可选：观看 第二周：多武装的土匪 土匪是只有一个州的MDP。 示例：选择要显示的广告，点击即可获得奖励。 例如：选择一个市场，奖励是在一个市场中出售的单位。 阅读萨顿和巴托的第二章“多武装匪徒” 练习：通过 练习： 在这里，我们编写了Sutton＆Barto中p 32的简单强盗算法以及UCB变体。 第3周：理论：马尔可夫决策过程（MDP） 阅读萨顿和巴托的第三章 自选：观看 选书练习第3章 第4周：动态编程（DP） 阅读萨顿和巴托的第四章 观看 练习： 使用动态编程来解决FrozenLake。