【导读】伯克利在秋季学期开设了《深度强化学习课程》,有6名老师和28节课程,是想学习强化学习的读者不可错过的一门课程。
讲师介绍
Sergey Levine,29岁,加州大学伯克利分校助理教授。Levine 研究贡献在于教会机器人如何观察,并从以往的成功案例中学习经验,将已经十分出众的图像识别分类算法用于机器人机械臂。首先,Levine给机械臂设定一些手头上很容易解决的目标(比如,拧上瓶盖),完成之后机械臂就可以回顾之前的成功案例并从中学习经验。机器人会观测视觉系统数据如何映射到机械臂的电机信号,从而正确地完成任务。此外,机器人还会监督自己的学习过程。
个人主页:
https://people.eecs.berkeley.edu/~svlevine/
https://people.eecs.berkeley.edu/~gregoryk/
http://mbchang.github.io/
https://people.eecs.berkeley.edu/~rakelly/
https://people.eecs.berkeley.edu/~reddy/
课程介绍
01: 课程介绍和概述
02:监督学习和模拟
03:TensorFlow和神经网络回顾
04:强化学习介绍
05:策略梯度介绍
06:actor-critic方法
07:高级Q-学习算法
08:高级actor-critic算法
09:高级策略梯度
10:优化控制和规划
11:模仿最优控制学习策略
12:从数据学习动态系统
13:高级模型学习和镜像
14:概率与变分推断
15:推断与控制
16:逆向强化学习
17:探索1
18:探索2
19:迁移学习和多任务学习
20:元学习
21:并行强化系统设计
22:高级模仿学习和开放问题
23:邀请讲者:Craig Boutilier,多伦多大学计算机科学系教授,谷歌首席科学家之一
24:邀请讲者: Kate Rakelly & Gregory Kahn
25:邀请讲者:Quoc Le,谷歌研究员
26:邀请讲者: Karol Hausman
27:Project展示
28:Project展示
课程地址:
http://rail.eecs.berkeley.edu/deeprlcourse/
深度强化学习概述
联系客服