机器学习通常被划分为 4 个大分支，分别是：监督学习、非监督学习、半监督学习以及强化学习。本次课程中，我们将对强化学习的概念进行介绍并完成算法应用实践。

强化学习（英语：Reinforcement learning）是非常前沿的学科，它可能是实现强（类）人工智能的手段之一。了解并掌握基础的强化学习方法，将使得你对人工智能的概念进一步深化。

先学课程

• 新手入门指南。
• NumPy 数值计算基础。
• 楼+ 机器学习实战。

课程难度

• 困难

适合人群

• 本课程主要面向已掌握机器学习监督学习和非监督学习方法，并且想要了解并学习基础强化学习理论知识的用户。

课程信息

• 学习周期：课程有效期 2 个月，2 个月后无法进行在线实验，但可查看文档内容。高级会员有效期内可一直学习，到期后课程失效，且无法查看文档。部分云主机实验环境因成本较高，存在开启次数限制。关于课程退款等相关注意事项说明，请阅读 用户付费协议。
• 版权说明：课程内容为蓝桥云课原创或蓝桥云课在原作者授权下制作。未经书面同意，擅自爬取、转载和再分发课程内容，均将受到严肃追责。
• 企业团报：企业购买，请点击 企业用户咨询。