drl-zh

收录理由

这门课程用最贴近实际的方式来教授深度强化学习：不是让你读算法，而是亲手把算法写出来。从马尔可夫决策过程和表格型强化学习的基础讲起，一路延伸到 AlphaZero、RLHF、Decision Transformers 以及 Dreamer 这类世界模型背后的思路。每个练习都做成了带 TODO 填空的 notebook，旁边还配了完整的解法版本，卡住的时候可以随时对照着解开思路。课程自带的 Docker 工作区里集成了 DRL-ZH AI Companion，这是专为本课程打造的 VS Code 扩展，能根据你当前所在的 notebook 和具体步骤给出苏格拉底式的提示；同时包含 TensorBoard、断点续训以及 Ray 的支持，方便跑更长的训练任务。它是一套循序渐进的课程体系，而不是一个能直接嵌进自己项目的库，因此更适合当作系统建立强化学习能力的路径，等真正掌握了再去做生产环境的东西。