DRL » 深度强化学习（一）——教程
2018-12-20 :: 7062 Words教程
http://incompleteideas.net/sutton/book/the-book-2nd.html
《Reinforcement Learning: An Introduction》，Richard S. Sutton和Andrew G. Barto著。
Richard S. Sutton，加拿大计算机科学家，麻省大学阿姆赫斯特分校博士（1984年），阿尔伯塔大学教授。强化学习之父，研究该领域长达三十余年。
Andrew G. Barto，麻省大学阿姆赫斯特分校教授。Richard S. Sutton的导师。
http://incompleteideas.net/sutton/609%20dropbox/slides%20(pdf%20and%20keynote)/
Sutton的pdf和keynote
资料中的.key文件即为keynote文件。这种格式是苹果设备上的专用ppt格式，在其他系统中查看不了。
http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html
UCL Course on RL
David Silver，1976年生，剑桥大学本科（1997年）+阿尔伯塔大学博士（2011年）。伦敦大学学院讲师。现为DeepMind研究员。AlphaGo之父。英国皇家学会院士。
Silver的名声直追他的导师Sutton，这个教程也流传很广。后续介绍的教程中，多有对它的抄袭。
http://www.meltycriss.com/2017/09/09/note-reinforcement-learning/
课程笔记《UCL强化学习》。这个blog包含大量的思维导图。
https://mp.weixin.qq.com/s/_PVe7Gcq7Yk8nOFJFPcUQw
叶强：David Silver《深度强化学习》公开课教程学习笔记完整版
https://github.com/clamesc/reinforcement-learning-mindmap
另一个版本的David Silver课程的思维导图。
http://web.stanford.edu/class/cs234/syllabus.html
CS234: Reinforcement Learning
http://rail.eecs.berkeley.edu/deeprlcourse/
CS 285/294: Deep Reinforcement Learning
以上1本书+4个课程，基本就是目前RL领域的黄金搭档了。Stanford的课程内容比较新，但是很浅。UCB的课程通常都是给入门以后的人准备的，无论DL还是RL，都是这样。Sutton和Silver的课程内容比较老，但是很有深度。和CV领域只需要学习DL，而不需要学习传统方法不同，按照Sutton的说法，基本算法原理远比神经网络更重要。
此外，还是老惯例，推荐一下李宏毅DL课程中的DRL部分。
https://zhuanlan.zhihu.com/p/186093914
深度强化学习工程师/研究员面试指南
这个指南包含了DRL的绝大多数的研究方向，适合入门之后，选择若干深入方向之用。
https://inst.eecs.berkeley.edu/~cs188/fa18/index.html
CS 188: Introduction to Artificial Intelligence。这个课程偏重RL和机器人，有贝叶斯网络的内容，但没有DL的内容。
http://www.eecs.wsu.edu/~taylorm/17_580/index.html
CptS 580: Reinforcement Learning
http://www.eecs.wsu.edu/~taylorm/2011_cs420/index.html
Artificial Intelligence。这个课程名义上叫AI，实则包括状态空间搜索、强化学习和贝叶斯网络三部分内容。
http://www.eecs.wsu.edu/~taylorm/2010_cs414/index.html
Introduction to Machine Learning。Matthew E. Taylor的本行是RL，所以不管什么课程，都有RL的内容。
Matthew E. Taylor，安默斯特学院本科（2001年）+德州大学奥斯汀分校博士（2008年）。华盛顿州立大学副教授。
https://katefvision.github.io/
CMU: Deep Reinforcement Learning and Control
https://course.ie.cuhk.edu.hk/~ierg6130/schedule.html
香港中文大学：Reinforcement Learning
http://nanjiang.cs.illinois.edu/cs498/
CS 498 Reinforcement Learning
http://nanjiang.cs.illinois.edu/cs598/
CS 598 Statistical Reinforcement Learning
姜楠，清华本科（2011）+University of Michigan博士（2017）。UIUC AP。
https://github.com/aikorea/awesome-rl
提供了RL方面的资源网页。aikorea还提供了同类的资源收集网页：awesome-rnn, awesome-deep-vision, awesome-random-forest。
https://www.distributional-rl.org/
Distributional Reinforcement Learning
https://mp.weixin.qq.com/s/dS0oQbGtrdd4rS25cBNyoQ
面向Open AI, TensorFlow, Keras的强化学习书籍《Reinforcement Learning》
https://102.alibaba.com/downloadFile.do?file=1517812754285/reinforcement_learning.pdf
《强化学习在阿里的技术演进与业务创新》，这是阿里出品的RL实战类书籍。
https://mp.weixin.qq.com/s/RbUcEOctRm8kX6_Ar4J0CA
446页简易Python强化学习教程书籍
https://mp.weixin.qq.com/s/7DlbuJI_gARJRABnlZQcxQ
伯克利大学ICML2018强化学习80页教程
https://mp.weixin.qq.com/s/7WnlNvxk0KKVPYqvSi7fKA
40页 PPT，BMM夏令营《强化学习简明教程》
https://mp.weixin.qq.com/s/VelM7ndXfevXKfPno-T9jQ
微软亚研130PPT教程：强化学习简介
https://sites.ualberta.ca/~szepesva/RLBook.html
《Algorithms for Reinforcement Learning》
https://mp.weixin.qq.com/s/tZjIdNSLvIVzho-IlCvm6A
93页随机近似与强化学习教程分享
https://mp.weixin.qq.com/s/o1wLREqtIZpzH2NxLl9M7A
深度强化学习简介
https://mp.weixin.qq.com/s/Y9DfxQJ-w23QXxKV0z26ag
MIT科学家Dimitri P. Bertsekas最新2019出版《强化学习与最优控制》
https://mp.weixin.qq.com/s/2cEd_FGmj-WVfm4KrQfMMg
《深度学习与机器人学》大牛Pieter Abbeel 105页PPT下载
https://mp.weixin.qq.com/s/u49cuDV21ITs1aV9tJR85g
Pieter Abbeel：《深度学习在机器人中的应用》
https://mp.weixin.qq.com/s/z9MvLuqjY5Xmty18ZP10WQ
UC伯克利Pieter Abbeel教授强化学习教程-附59页slides
https://github.com/enggen/DeepMind-Advanced-Deep-Learning-and-Reinforcement-Learning
DeepMind与UCL合作推出的深度学习与强化学习进阶课程
https://mp.weixin.qq.com/s/CnL1uIWef2AjIr_AwL7t-w
DeepMind研究员Tor2019著作《赌博机算法》，555页带你学习专治选择困难症技术
https://zhuanlan.zhihu.com/c_168521441
在线学习(MAB)与强化学习(RL)
https://github.com/p-christ/Deep-Reinforcement-Learning-Algorithms-with-PyTorch
PyTorch实现多种深度强化学习算法
https://mp.weixin.qq.com/s/UrwP9t-Ox4M9QImKDUDcsA
140页《深度强化学习入门》发布
https://simoninithomas.github.io/Deep_reinforcement_learning_Course/
老外写的简易深度强化学习入门
https://mp.weixin.qq.com/s/nSfvhr096aTeOHxDHy0NeA
434页《Python强化学习实用指南》
https://www.starai.io/course/
StarAi的DRL教程
https://mp.weixin.qq.com/s/eMzrktlm93ZEZi-J5sipqA
莫斯科国立大学56页《深度强化学习综述》最新论文，带你全面了解DRL最新方法
https://github.com/dennybritz/reinforcement-learning
GitHub万星资源：强化学习算法实现，教程代码样样全，还有详细学习规划
https://mp.weixin.qq.com/s/LJbpDls06jH5xL3Kbh-eBw
强化学习实践教程
https://mp.weixin.qq.com/s/g4YW6loDqLLBE-vqznh4qQ
《深度强化学习》面试题汇总
https://mp.weixin.qq.com/s/nSZfGdPXXs02dCdG49EQhg
142页”ICML会议”强化学习笔记整理(2018&2019年)
https://mp.weixin.qq.com/s/QZiBPOlp4mlTxIlEbhtgWg
138页“策略优化”PPT–Pieter Abbeel
https://mp.weixin.qq.com/s/kFDITf4-wjPSEsByDinInQ
DeepMind Nando（原牛津大学教授）强化学习最新进展，含图文、公式和代码，附102页PPT下载
https://mp.weixin.qq.com/s/cobadH9PXJFfSuMlY6GWiA
强化学习理论与算法，83页pdf，了解最新进展
https://paperswithcode.com/area/playing-games
从Paper到Coding, 一览深度强化学习挑战34类游戏
https://mp.weixin.qq.com/s/-vqX0PHOsDNbj2NX_cR2qg
微软首席研究员Katja Hofmann-强化学习：过去、现在和未来展望，附97页ppt
https://mp.weixin.qq.com/s/Yg_bFykE8zsG2–mBGYS5A
DeepMind出品：深度学习与强化学习教程 850页ppt
https://mp.weixin.qq.com/s/fLeHW6Asem4f2aP1ARHNZg
FaceBook280页PPT解决DeepRL的”探索-利用(Exploration-Exploitation)”难题
https://mp.weixin.qq.com/s/R2FTKZvebR0gbxM8h60oog
《强化学习—使用Open AI、TensorFlow和Keras实现》174页pdf
https://mp.weixin.qq.com/s/mZSOmlHRrowPcTKjnlB4wA
深度强化学习实战，351页pdf，Deep Reinforcement Learning
https://github.com/zhoubolei/introRL
港中文周博磊：强化学习纲要
https://mp.weixin.qq.com/s/e-xGWG1qWb_zuyorvhZpJA
John Schulman总结深度强化学习理论、模型及编码调参技巧
https://mp.weixin.qq.com/s/YTiNTQzRs7VkhEfiER5C3g
最新《深度强化学习》教程，165页ppt与视频，Mila Doina Precup
https://mp.weixin.qq.com/s/vHFLhlftGstuMcN8fswO5w
基于模型的强化学习方法教程，279页ppt
https://mp.weixin.qq.com/s/heFN7QU5uFTDLZytXgUrkw
强化学习教程，83页ppt
https://mp.weixin.qq.com/s/1b9rTD6wEgA0U54WNr7YAQ
机器人深度强化学习，128页pdf
https://mp.weixin.qq.com/s/1oy21VNupI1mZADY9KoyKQ
强化学习中基于模型的方法，279页ppt
https://mp.weixin.qq.com/s/2h_0gZBXMUWS3JG7lrfUNQ
MIT科学家Dimitri P. Bertsekas最新《强化学习与最优控制》2021ASU课程
https://amfarahmand.github.io/IntroRL/
强化学习导论：多伦多大学2021课程
https://datawhalechina.github.io/easy-rl/
Easy-RL
https://mp.weixin.qq.com/s/I2lnd1x3iYoFYgxTJn7bYQ
清华大学李升波老师《强化学习与控制》，附课件
https://deepreinforcementlearningbook.org/
《深度强化学习：基础、研究与应用（Deep Reinforcement Learning: Foundamentals, Research and Applications）》北京大学董豪博士等著。
https://www.zhihu.com/column/c_1682017381776646144
第四范式出品的RL教程
论文
《A Brief Survey of Deep Reinforcement Learning》
《Asynchronous Methods for Deep Reinforcement Learning》
《Deep Reinforcement Learning for Dialogue Generation》
blog
https://zhuanlan.zhihu.com/sharerl
强化学习知识大讲堂
https://zhuanlan.zhihu.com/intelligentunit
一个DL+RL的专栏
https://www.cnblogs.com/pinard/category/1254674.html
一个DRL的专栏
https://www.cnblogs.com/steven-yang/tag/强化学习/
一个RL的专栏
https://blog.csdn.net/gsww404
一个DRL的专栏
https://zhuanlan.zhihu.com/c_1121374124756480000
一个DRL的专栏
https://github.com/NeuronDance/DeepRL
一个DRL的专栏
https://zhuanlan.zhihu.com/mlexplained
一个RL的专栏
https://github.com/Skylark0924/Reinforcement-Learning-in-Robotics
一个机器人RL的专栏
https://www.zhihu.com/column/c_1264765462367621120
一个RL的专栏
比赛
https://github.com/seungjaeryanlee/awesome-rl-competitions
深度强化学习赛事汇总
https://screeps.com/
这个网站提供了一个用类似JS的脚本驱动的RTS游戏环境，用于AI之间的对战。
您的打赏，是对我的鼓励
