├──第—章 欢迎来到强化学习的世界
| ├──1_1-1-课程内容和理念.mp4 58.46M
| ├──2_1-2-认识强化学习.mp4 28.77M
| └──3_1-3-课程使用的技术栈.mp4 7.61M
├──第八章 深度策略梯度方法：行胜于言，止于至善
| ├──1_8-1-策略梯度核心思想和原理.mp4 22.65M
| ├──2_8-2-蒙特卡洛策略梯度.mp4 13.29M
| ├──3_8-3-策略梯度方法代码实现.mp4 11.42M
| ├──4_8-4-近端策略优化算法.mp4 19.66M
| └──5_8-5-近端策略优化（PPO）代码实现.mp4 19.42M
├──第二章 数学知识回顾：凡事预则立，不预则废
| ├──1_2-1-线性代数.mp4 16.45M
| ├──2_2-2-微积分.mp4 17.44M
| └──3_2-3-概率.mp4 25.84M
├──第九章 演员-评论家算法：戏为兄弟，共荣共生
| ├──1_9-1-演员评论家算法核心思想和原理.mp4 12.83M
| ├──2_9-2-改进型演员评论家算法.mp4 13.38M
| ├──3_9-3-演员评论家算法代码实现.mp4 12.99M
| ├──4_9-4-深度确定性策略梯度.mp4 18.12M
| ├──5_9-5-DDPG算法代码实现.mp4 16.05M
| ├──6_9-6-软性演员评论家算法.mp4 23.94M
| └──7_9-7-SAC代码实现.mp4 21.53M
├──第六章 经典无模型方法：离散世界的价值最大化
| ├──1_6-1-蒙特卡洛方法.mp4 17.88M
| ├──2_6-2-时序差分方法.mp4 18.28M
| ├──3_6-3-蒙特卡洛方法和时序差分代码实现.mp4 13.43M
| ├──4_6-4-广义策略迭代.mp4 10.69M
| ├──5_6-5-Q-Learning算法.mp4 17.67M
| ├──6_6-6-SARSA算法.mp4 11.08M
| └──7_6-7-Q-Learning&SARSA代码实现.mp4 13.23M
├──第七章 深度Q网络：他山之石，可以攻玉
| ├──1_7-1-深度Q网络核心思想和原理.mp4 24.01M
| ├──2_7-2-DQN-代码实现.mp4 19.66M
| ├──3_7-3-常见问题改进和扩展.mp4 14.94M
| └──4_7-4-DQN改进算法代码实现.mp4 18.23M
├──第三章 环境安装和工具使用：工欲善其事，必先利其器
| ├──1_3-1-CUDA+Anaconda深度学习环境配置.mp4 11.47M
| ├──2_3-2-conda使用命令.mp4 8.30M
| ├──3_3-3-Jupyter-Notebook快速上手.mp4 8.67M
| ├──4_3-4-仿真环境Gym安装.mp4 10.82M
| └──5_3-5-深度学习库PyTorch的安装.mp4 5.77M
├──第十二章 强化学习实战：绝知此事要躬行
| ├──1_12-1-项目实战：Gym游戏.mp4 34.40M
| ├──2_12-2-项目实战：大模型RLHF.mp4 21.92M
| ├──3_12-3-强化学习最新发展趋势.mp4 38.61M
| └──4_12-4-下一步的学习建议.mp4 20.90M
├──第十一章 进阶强化学习：欲穷千里目，更上一层楼
| ├──1_11-1模仿学习.mp4 24.63M
| ├──2_11-2-博弈论与强化学习.mp4 32.61M
| ├──3_11-3-多智能体强化学习.mp4 22.89M
| ├──4_11-4-MADDP的代码实现.mp4 24.65M
| ├──5_11-5-AlphaStar系统.mp4 46.57M
| └──6_11-6-基于人类反馈大强化学习.mp4 23.40M
├──第十章 基于模型的强化学习：看不见的上帝之手
| ├──1_10-1-基于模型的强化学习核心思想和原理.mp4 28.46M
| ├──2_10-2-Dyna-Q算法.mp4 24.97M
| ├──3_10-3-Dyna-Q算法代码实现.mp4 11.75M
| ├──4_10-4-基于模型的策略优化.mp4 12.27M
| └──5_10-5-MBPO的代码实现.mp4 34.99M
├──第四章 马尔可夫随机过程：憧憬和行动中追寻生命的意义
| ├──1_4-1-序列建模与概率图模型.mp4 21.35M
| ├──2_4-2-马尔可夫观测过程：学会“看”.mp4 22.32M
| ├──3_4-3-马尔可夫决策过程：试着-“干”.mp4 16.47M
| ├──4_4-4-马尔可夫奖励过程：懂得“想”.mp4 27.02M
| ├──5_4-5-贝尔曼方程：迭代求解价值函数.mp4 16.79M
| ├──6_4-6-模型分类与选择.mp4 17.66M
| ├──7_4-7-常见问题解析.mp4 11.52M
| └──8_4-8-马尔可夫过程代码实现.mp4 21.20M
└──第五章 动态规划方法：理想国中的完美人生
| ├──1_5-1-动态回归核心思想和原理.mp4 15.76M
| ├──2_5-2-策略迭代.mp4 21.32M
| ├──3_5-3-价值迭代.mp4 10.66M
| └──4_5-4-动态规划代码实现.mp4 23.48M