学习栗 发自 凹非寺 量子位 出品 | 公众号 QbitAI

△ 开学了，终于可以名正言顺地学习了

今天才9月12日。不过，加州伯克利已经开课3周了。

深度强化学习课程CS 294-112，当然也不例外。

8月22日到现在，从行为的监督学习，讲到了策略梯度和演员-评论家，前六节课的视频已经放出来了。

教授在这门课的主页上说，不是网课不是网课，但依然会把课件和视频都挂在网上，还有直播。

△ 一周两节课，还好还好

当然，国内的各位同学，如果想守着直播，美国西部的时差可能还是有些深重。

反正油管可以回看。

学习，学习一会儿

要上这门深度强化学习，要先上过CS 189，那是机器学习基础课。

有了基础的大家，来看一下CS 294都会涉及哪些内容：

如上图，课程分为六大部分：

1. 从监督学习到决策2. 无模型算法：Q-学习，策略梯度，演员-评论家3. 模型学习和预测4. 探索5. 迁移与多任务学习，元学习6. 开放式问题，学术报告，其他教授来上课

和去年秋季CS 294的区别，就是把“探索 (Exploration) ”拎出来，单成一个版块，并且有两堂课专门用来讲这个问题。

在没有任何已知信息的环境里面，AI要自己去探索世界，一切知识体系都是在试错过程中建立的。

△ 蒙特祖玛的复仇：对强化学习非常不友好，奖励很复杂

而在探索过程中，更多的未知变为已知，就有了探索未知和利用已知这两种选择。

机器需要取舍，是在已知范围之内，求取奖励最大化，还是跳出已知范围，寻找更大的奖励。

这是强化学习里，非常重要又非常复杂的一个问题。

不过，这门课要到后半学期，才会讨论到这个问题。那时候，想必大家的课业已经很紧张，还要分给它不小的精力，会很辛苦吧。

所以，先别想太远的事，看看最近。

9月7日，同学们刚刚上完的第六课，讲的是演员-评论家算法。

强化学习的训练是一个回合 (Episode) 一个回合进行的。如果只用策略梯度 (Policy Gradient) ，就只能在每回合结束时，更新一次策略。

但有了评论家 (Critic) 之后，演员 (Actor) 每走一步，评论家都会为它的行为打分。

这样一来，每个行为的概率会发生变化，每一步的策略就会有更新。

这节课只是个Intro，看上去要友好许多。

△ 第七课，即将发射 (放大看图更开心)

今天 (国内的明天凌晨) ，就又要上课了。第七课的标题是：价值函数和Q-学习。

压力提示：去年秋季的CS294，是把价值函数和Q-学习分开，用两节课讲完的。

用的什么教材

虽然，教授也并没有按着哪本教材来上课，不过还是列了一个书单给大家参考。

第一本，是来自Ian Goodfellow等人的《深度学习》“花书”。

后面，可能就是对强化学习的小伙伴们，更有针对性的教材了：

Sutton & Barto, Reinforcement Learning: An Introductionhttp://incompleteideas.net/book/the-book-2nd.htmlSzepesvari, Algorithms for Reinforcement Learninghttp://www.ualberta.ca/~szepesva/RLBook.htmlBertsekas, Dynamic Programming and Optimal Control, Vols I and IIhttp://www.athenasc.com/dpbook.htmlPuterman, Markov Decision Processes: Discrete Stochastic Dynamic Programminghttp://www.wiley.com/WileyCDA/WileyTitle/productCd-0471727822.htmlPowell, Approximate Dynamic Programminghttp://adp.princeton.edu/

也推荐了网课

在CS 294的资源表里，教授还列出了一些网课。这样，同学们可以在课余时间，继续补课。

不止是补Hinton和吴恩达老师的课：

Geoff Hinton on Courserahttps://www.coursera.org/learn/neural-networksAndrew Ng on Courserahttps://www.coursera.org/learn/machine-learning/David Silver’s course on reinforcement learninghttp://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.htmlNando de Freitas’ course on machine learninghttps://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/Andrej Karpathy’s course on neural networkshttp://cs231n.github.io/

希望大家，都是不会厌学的好孩子。

教授是谁呢？

CS 294-112课程，是助理教授Sergey Levine在讲课。

曾经在谷歌大脑工作过的Levine，主要研究用于机器人操作的强化学习算法。

2016年，MIT科技评论选出了35位35岁以下的创新者，当年29岁的Levine赫然上榜。

2017年春季，CS 294首次开课，Levine是三位讲师之一。从那年秋季开始，他已经是这门课唯一的讲师了。

课程主页 (下拉有课件) ：

http://rail.eecs.berkeley.edu/deeprlcourse/

课堂视频：

https://www.youtube.com/playlist?list=PLkFD6_40KJIxJMR-j5A1mkxK26gh_qg37

课堂直播：

https://www.youtube.com/c/CalESG/live

旧版课程 (Fall 2017) ：

http://rail.eecs.berkeley.edu/deeprlcourse-fa17/index.html

p.s.伯克利的计算机楼，名字是真的清爽。

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ’ᴗ’ ի 追踪AI技术和产品新动态