中階 · 免費公開

Reinforcement Learning 強化學習

雙語教材 · 聯絡 psyche@mail.grokbot.com

初學貼士

初學貼士

  • 先 ML＋Python，再 RL。
  • 先小環境（CartPole）。
  • 深度 RL 需 DL 基礎。

課節進度

開始學習吧！勾選完成的課節。

0% 完成（0／6 課節）

  • 11. Agent 迴圈
  • 22. 關鍵詞
  • 33. Q-Learning
  • 44. 工具
  • 55. 學習順序
  • 66. 連結

提示：點擊課節即可標記／取消（存於本機）。

一句話：Agent 互動拿獎勵，學出長期報酬最大的策略。

1. Agent ↔ 環境迴圈（圖示）

RL loop Agent Environment action a state s′, reward r observe → act → get reward → update policy

圖：行動出去，狀態／獎勵回來

2. 關鍵詞

  • State s
  • Action a
  • Reward r
  • Policy π
  • 探索 vs 利用

3. Q-Learning 入門（表格法）

小狀態用 Q 表；大了再 DQN。

Wikipedia · Q-learning概念 DeepMind x UCL · RL Lecture經典講座

4. 工具與環境

  • Gymnasium
  • Stable-Baselines3
  • 深度網見 DL。
Gymnasium官方文件 Stable-Baselines3算法庫 OpenAI Spinning Up深度 RL 教育

5. 建議學習順序

  1. Python → ML
  2. 手寫小格子 Q-Learning
  3. CartPole → SB3
  4. DL → DQN／PPO
  5. 推 GitHub

← 首頁

課程完成標記

登入會員後可將整門課標記完成並同步至儀表板。