MIT 6.S191 (2024): Reinforcement Learning

摘要

深入介紹強化學習與深度學習的結合，解釋狀態、行動與獎勵等核心概念，並探討 Q 學習與策略梯度等演算法。學員將了解如何利用 AI 在無監督環境中自我演進，達到超越人類水準的表現。

This lecture explains reinforcement learning fundamentals and compares Q-learning with policy gradient methods.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 釐清強化學習中狀態、行動與獎勵的基礎定義。
• 比較 Q 學習與策略梯度演算法的優缺點與應用。
• 了解 AlphaGo 等模型如何實現超越人類的策略。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00Introduction
2. 02:20Classes of learning problems
3. 06:33Definitions
4. 12:30The Q function
5. 17:29Deeper into the Q function
6. 23:12Deep Q Networks
7. 30:36Atari results and limitations
8. 34:24Policy learning algorithms
9. 39:31Discrete vs continuous actions
10. 43:21Training policy gradients
11. 49:10RL in real life
12. 51:33VISTA simulator
13. 53:24AlphaGo and AlphaZero and MuZero
14. 58:58Summary

適合誰看

正在學習深度學習或機器學習理論，希望理解強化學習原理的學生或研究者。

摘要依據

依據

自動字幕

為什麼排在這裡

人氣

0.53

新鮮

0.04

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• MIT 6.S191 (2025): Reinforcement Learning影片 ・ Alexander Amini ・ 1 小時 2 分（在新分頁開啟原站）
• MIT 6.S191: Reinforcement Learning影片 ・ Alexander Amini ・ 59 分鐘（在新分頁開啟原站）
• Stanford AA203 Optimal and Learning-Based Control | Spring 2026 | Lecture 17: RL Value-Based Methods影片 ・ Stanford Online ・ 1 小時 18 分
• Stanford CS229 Machine Learning | Spring 2026 | Lecture 18: GMM (EM), PCA影片 ・ Stanford Online ・ 1 小時 16 分
• Reinforcement Learning: Essential Concepts影片 ・ StatQuest with Josh Starmer ・ 18 分鐘（在新分頁開啟原站）
• 人工智慧：機器學習與理論基礎 05. Reinforcement learning影片 ・ NTU OpenCourseWare ・ 2 小時 16 分（在新分頁開啟原站）