1_1-1-课程内容和理念.mp4 59.03M
1_10-1-基于模型的强化学习核心思想和原理.mp4 47.96M
1_11-1模仿学习.mp4 48.36M
1_12-1-项目实战：Gym游戏.mp4 51.39M
1_2-1-线性代数.mp4 26.89M
1_3-1-CUDA+Anaconda深度学习环境配置.mp4 18.73M
1_4-1-序列建模与概率图模型.mp4 38.12M
1_5-1-动态回归核心思想和原理.mp4 30.86M
1_6-1-蒙特卡洛方法.mp4 32.50M
1_7-1-深度Q网络核心思想和原理.mp4 44.71M
1_8-1-策略梯度核心思想和原理.mp4 44.19M
1_9-1-演员评论家算法核心思想和原理.mp4 20.12M
2_1-2-认识强化学习.mp4 53.78M
2_10-2-Dyna-Q算法.mp4 44.62M
2_11-2-博弈论与强化学习.mp4 64.74M
2_12-2-项目实战：大模型RLHF.mp4 31.36M
2_2-2-微积分.mp4 30.05M
2_3-2-conda使用命令.mp4 11.87M
2_4-2-马尔可夫观测过程：学会“看”.mp4 40.93M
2_5-2-策略迭代.mp4 40.02M
2_6-2-时序差分方法.mp4 34.18M
2_7-2-DQN-代码实现.mp4 35.83M
2_8-2-蒙特卡洛策略梯度.mp4 24.23M
2_9-2-改进型演员评论家算法.mp4 23.04M
3_1-3-课程使用的技术栈.mp4 12.02M
3_10-3-Dyna-Q算法代码实现.mp4 17.74M
3_11-3-多智能体强化学习.mp4 44.45M
3_12-3-强化学习最新发展趋势.mp4 65.62M
3_2-3-概率.mp4 46.60M
3_3-3-Jupyter-Notebook快速上手.mp4 14.13M
3_4-3-马尔可夫决策过程：试着-“干”.mp4 29.64M
3_5-3-价值迭代.mp4 19.18M
3_6-3-蒙特卡洛方法和时序差分代码实现.mp4 22.84M
3_7-3-常见问题改进和扩展.mp4 27.55M
3_8-3-策略梯度方法代码实现.mp4 19.41M
3_9-3-演员评论家算法代码实现.mp4 19.74M
4_10-4-基于模型的策略优化.mp4 19.66M
4_11-4-MADDP的代码实现.mp4 45.07M
4_12-4-下一步的学习建议.mp4 33.28M
4_3-4-仿真环境Gym安装.mp4 18.95M
4_4-4-马尔可夫奖励过程：懂得“想”.mp4 49.40M
4_5-4-动态规划代码实现.mp4 43.49M
4_6-4-广义策略迭代.mp4 19.57M
4_7-4-DQN改进算法代码实现.mp4 31.03M
4_8-4-近端策略优化算法.mp4 36.16M
4_9-4-深度确定性策略梯度.mp4 30.35M
5_10-5-MBPO的代码实现.mp4 33.76M
5_11-5-AlphaStar系统.mp4 45.93M
5_3-5-深度学习库PyTorch的安装.mp4 9.25M
5_4-5-贝尔曼方程：迭代求解价值函数.mp4 30.57M
5_6-5-Q-Learning算法.mp4 17.15M
5_8-5-近端策略优化（PPO）代码实现.mp4 18.84M
5_9-5-DDPG算法代码实现.mp4 15.56M
6_11-6-基于人类反馈大强化学习.mp4 22.88M
6_4-6-模型分类与选择.mp4 17.51M
6_6-6-SARSA算法.mp4 10.97M
6_9-6-软性演员评论家算法.mp4 24.11M
7_4-7-常见问题解析.mp4 11.41M
7_6-7-Q-Learning&SARSA代码实现.mp4 12.87M
7_9-7-SAC代码实现.mp4 20.90M
8_4-8-马尔可夫过程代码实现.mp4 21.19M
|
置顶卡
变色卡