Bỏ qua tới nội dung chính

Khóa học cho chủ đề

Học tăng cường

Reinforcement Learning

Khóa tuyển chọn cho chủ đề, từ OpenER và các trường đại học. Xem các trường và tổ chức
  • IIT Madras · 106106143

    Reinforcement Learning (mở trong tab mới)

    Học tăng cường

    Balaraman Ravindran

    Đề xuất chínhVideo + tài liệuLiên kết ngoàiCấp độ: Nâng caoTiếng AnhBản quyền

    Khóa học tăng cường 12 tuần của IIT Madras trên NPTEL, xây nền toán học của học qua thử và sai: bài toán bandit, quá trình quyết định Markov, quy hoạch động, Monte Carlo, học sai phân thời gian, xấp xỉ hàm, gradient chính sách và học tăng cường phân cấp.

    Vì sao chọn: Xây nền toán học của học tăng cường theo trình tự sách Sutton và Barto: bandit, MDP, quy hoạch động, TD, xấp xỉ hàm và gradient chính sách, có trọn bộ video 12 tuần.

    • Chuyên sâu

  • Stanford · CS234 · Đông 2026

    Reinforcement Learning (mở trong tab mới)

    Học tăng cường

    Emma Brunskill

    Thay thếChỉ tài liệuLiên kết ngoàiCấp độ: Nâng caoTiếng AnhBản quyền

    Khóa học tăng cường của Stanford do Emma Brunskill giảng: quá trình quyết định Markov, đánh giá và điều khiển không mô hình, xấp xỉ hàm, gradient chính sách, học bắt chước và học theo lô, học hiệu quả dữ liệu và học từ phản hồi của con người. Bài đọc lấy từ sách Sutton và Barto.

    Vì sao chọn: Khóa học tăng cường hiện hành của Stanford với slide có chú thích, bài tập và bài đọc theo Sutton và Barto; không có video công khai.

    • Chuyên sâu

  • UAlberta

    Reinforcement Learning Specialization (mở trong tab mới)

    Chuỗi khóa về Học tăng cường

    Adam White, Martha White

    Thay thếChỉ tài liệuLiên kết ngoàiCấp độ: Trung bìnhTiếng AnhBản quyềnCần tài khoản miễn phí

    Chuỗi bốn khóa trên Coursera của Đại học Alberta về học tăng cường: hình thức hóa bài toán ra quyết định tuần tự, các phương pháp học từ mẫu như Monte Carlo, học sai khác thời gian, Sarsa, Q-learning và Dyna, xấp xỉ hàm và gradient chính sách, kết thúc bằng một dự án xây dựng hệ thống hoàn chỉnh.

    Vì sao chọn: Lộ trình có cấu trúc, nhịp độ vừa phải cho người mới vào học tăng cường: bốn khóa đi từ cách đặt bài toán tới TD, Sarsa, Q-learning, xấp xỉ hàm và gradient chính sách, kết thúc bằng dự án tổng hợp. Mềm hơn khóa NPTEL chính; cần tài khoản Coursera.

    • Dễ bắt đầu

  • UC Berkeley · CS 285

    Deep Reinforcement Learning (mở trong tab mới)

    Học tăng cường sâu

    Sergey Levine

    Nâng caoVideo + tài liệuLiên kết ngoàiCấp độ: Nâng caoTiếng AnhBản quyền

    Khóa học tăng cường sâu bậc sau đại học của Berkeley do Sergey Levine giảng: học bắt chước, gradient chính sách, actor–critic, học dựa trên giá trị và học Q, gradient chính sách nâng cao, suy luận biến phân trong học tăng cường, kèm bài tập lập trình theo tuần.

    Vì sao chọn: Học tăng cường sâu ở mức nghiên cứu: gradient chính sách, actor–critic, học Q ở quy mô lớn; có video Fall 2023 công khai và bài tập lập trình.

    • Chuyên sâu

  • MIT · 6.231 · Thu 2015

    Dynamic Programming and Stochastic Control (mở trong tab mới)

    Quy hoạch động và Điều khiển ngẫu nhiên

    Dimitri Bertsekas

    Nâng caoChỉ tài liệuLiên kết ngoàiCấp độ: Nâng caoTiếng AnhCC BY-NC-SA 4.0

    Khóa sau đại học của MIT do Dimitri Bertsekas giảng về ra quyết định tuần tự trong điều kiện bất định: quy hoạch động hữu hạn và vô hạn bước, lặp giá trị, lặp chính sách và quy hoạch động xấp xỉ, nền toán học chặt cho học tăng cường.

    Vì sao chọn: Cho ai muốn nền lý thuyết chặt của quy hoạch động và quy hoạch động xấp xỉ, gốc toán học của học tăng cường; có bài tập và đề thi kèm lời giải.

    • Chuyên sâu
    • Nhiều bài tập