一组全球专家编制了此最佳强化课程、课程、教程、培训和在线认证计划列表。此列表包括免费课程和付费课程，以帮助您学习强化学习。此外，它是初学者、中级和专家的理想选择。
5 个最佳强化学习课程和认证
1.强化学习专业化（课程）
由艾伯塔大学提供，这个强化学习专业计划包括四个不同的课程，将帮助您探索自适应学习系统和人工智能的力量。在本计划中，您将了解强化学习解决方案如何通过自始至终实施完整的 RL 解决方案，通过试错交互帮助您解决实际问题。该计划由艾伯塔大学经验丰富的教师设计，因此您将与教师直接联系，以解决您的疑问。此外，在完成专业化之后，您将清楚地了解现代概率人工智能。
主要 USP：
- 创建一门综合课程，指导您了解与人工智能相关的最基本知识以及强化学习的高级概念
- 了解如何构建一个强化学习系统，用于顺序决策和解决实际问题
- 了解如何将任务正式化为强化学习问题，以及如何快速实施解决方案
- 了解 RL 算法的空间，例如蒙特卡罗、策略梯度、萨尔萨、Q-学习、Dyna 等
- 完成此专业化课程后，能够转到更高级的人工智能主题
持续时间：自定进度
评分： 4.7 / 5
您可能还喜欢：
5 面向程序员的张力流和 ML 课程
2.解释强化学习 （edX）
如果你是全新的强化学习，那么注册这门课程可能是一个很好的机会，让你了解它的所有本课程是专业 AI 认证计划的一部分，这意味着在完成本课程后，您可以继续使用 AI 的其他高级概念来扩展您的知识。此外，您将在完成课程后获得结业证书。
主要 USP：
- 了解如何解决强化学习问题、马尔科夫决策过程、强盗、动态编程等
- 使用函数近似从多武装强盗、动态编程和时差学习中探索基本算法
- 使用策略梯度和参与者批评方法了解专注于查找最佳策略的算法
- 了解 Malmo 项目，这是人工智能实验和研究的绝佳有用平台
- 如果您没有财务稳定性来获得与本课程相关的已验证证书，则提供 edX 的财政援助
时间： 6 周， 4-8 小时/周
评分： 4.6 / 5
3. Python 中的深层强化学习（Udemy）
强化学习只是人工智能的另一部分;还有更多，如深度学习，神经网络等。Udemy 的本课程将教您有关深度学习、神经网络到强化学习的应用。在本课程中，您将了解与监督和非监督学习相比，强化学习是完全不同的机器学习。您将了解如何使用受监督和非监督的机器学习算法来分析和预测数据，但强化学习可用于训练代理与环境交互并最大化其回报。课程结束时，您将获得 Udemy 的结业证书。
主要 USP：
- 通过深度学习和神经网络学习和掌握人工智能的综合指南
- 了解如何借助强化学习方法构建各种深度学习代理，如 DQN、A3C 等
- 了解如何应用各种高级强化学习算法来解决任何复杂问题
- 了解卷积神经网络与深度 Q 学习的使用，以及策略梯度方法与神经网络的使用
- 访问多个视频、实践练习和测验，提高您的知识和技能
时间： 8-9 小时
评分： 4.6 / 5
点评：我一直喜欢懒惰的程序员的教学风格，它帮助我在非线性的深入学习之旅中
想要通过深度学习和强化学习方法学习人工智能的个人可以从本课程中获得帮助。本课程将指导您了解人工智能的各个方面，包括受监督和非监督的机器学习算法。您将了解强化学习范式与监督和非监督学习的完全不同的情况。课程的讲师，懒惰的程序员，是一个经验丰富的人工工程师，将协助你在学习的每个阶段。他将帮助您了解如何创建深度学习模型，以预测点击率和用户行为，同时提供人工智能的不同概念的概述。
主要 USP：
- 涵盖强化学习中包含的基本主题，如马尔科夫决策过程、动态编程、蒙特卡罗、时态差异学习等
- 了解您在传统监督机器学习或深度学习中从未见过的 AI 技术
- 了解计算均值和移动平均线的各种方法及其与随机梯度下降的关系
- 了解强化学习与心理学的关系
- 了解如何实现 17 种不同的强化学习算法，并在技术级别上了解强化学习
- 自由学习从你的舒适区与30天免费试用
时间： 9-10 小时
评分： 4.6 / 5
评论：伟大的基础课程，有很多例子和伟大的阐述的主要思想。- 日夫科夫·科列夫
5.佐治亚理工学院的强化学习（强化）
如果你是那些正在寻找免费课程，以强化学习开始的人，那么这是适合你的平台。Udacity 提供由佐治亚理工学院创建的全面免费强化学习课程。在本课程中，您将从计算机科学的角度探索自动化决策，您将检查高效算法（如果存在）用于单代理和多代理规划以及许多其他概念。它是一门高级机器课程，包含丰富的学习内容，可帮助您以简单高效的方式学习。完成本课程后，您甚至可以报名参加由 Unity 提供的 Nano 学位课程的深层强化学习。
主要 USP：
- 完成本课程后，准备参加强化学习研究社区
- 获得向增援学习领域两位顶尖专家学习的机会
- 访问教学视频、互动测验和外部资源，扩展您在该领域的知识
- 加入学生 t 支持社区，与参加本课程并从中学习的其他人员互动
- 自学编程，自由从舒适的家中学习
时间： 4 个月
评分： 4希望您找到一些相关的课程，以帮助您在职业生涯中成长:)