David-Silver-Reinforcement-learning

收录理由

看David Silver的强化学习课程视频是一回事，真正把算法跑起来又是另一回事。这个仓库把整门课的笔记按周整理，从马尔可夫决策过程、动态规划，一路讲到策略梯度与探索-利用的权衡，并且为每个算法都配上了基于Keras、能在OpenAI Gym环境中运行的代码。你可以先读文字理解思路，再立刻在具体环境里验证效果。对于更习惯动手写代码而非盯着幻灯片自学的学生和工程师来说，价值迭代、Q-learning、策略梯度这些方法不是停留在纸面上的概念，而是可以直接运行、调试的实践。等某个知识点印象模糊了，它也能充当一份快速查阅的参考资料。