背景
基于好奇的心态参与的百度的强化学习七日打卡活动，良心的免费，坚持听下来，感觉收获满满的，世界冠军科科老师人美心善，课还讲的贼好，缺点是离的太远了，不好追。
网站截图
课程传送门：课程网址
第一课、强化学习(RL)初印象
1.内容：
- RL 概述、入门路线
- 实践：环境搭建
- 课后作业：搭建GYM环境+PARL环境，把QuickStart 跑起来
2.学习心路：
错过了前半节，中间开始听的，但是科科老师第一节课讲的很基础，举了几个例子，很生动形象，零基础听都没问题。
强化学习举例
我对强化学习本身就好奇，究竟是如何对模型进行训练，输入输出是什么。
对比监督学习
强化学习，是环境与动作的交互。
对比监督学习，同样的输入，不同输出
监督学习输出的是分类结果（是什么），强化学习输出决策结果（怎么做）。
用代码实例讲解
科科老师直接上代码实例，小乌龟从悬崖边边走过的案例。很生动！
且听下回分解！
第二课、基于表格型方法求解RL
1.内容：
- MDP、状态价值、Q表格
- 实践： Sarsa、Q-learning代码解析，解决悬崖问题及其对比
- 课后作业：使用Q-learning和Sarsa解决16宫格迷宫问题。
2.学习心路：
第三课、基于神经网络方法求解RL
1.内容：
- 函数逼近方法
- 实践：DQN代码解析，解决CartPole问题
- 课后作业：使用DQN解决 MountianCar问题
2.学习心路：
第四课、基于策略梯度求解RL
1.内容：
- 策略近似、策略梯度
- 实践：Policy Gradient算法理解、代码解析，解决CartPole问题
- 课后作业：使用Policy Gradient解决Atari的Pong问题
2.学习心路：
第五课、连续动作空间上求解RL
1.内容：
- 连续动作空间、DDPG算法介绍
- PARL DDPG代码解析
- 大作业题目
- RLSchool 飞行器仿真环境介绍
2.学习心路：
