课程主页: https://www.coursera.org/learn/prediction-control-function-approximation

课程概览

在这门《使用函数逼近的预测与控制》课程中，您将学习如何解决具有大规模、高维度及潜在无限状态空间的问题。通过将估计价值函数视为一个监督学习问题，您可以构建智能体来实现奖励的最大化，平衡泛化与区分能力的策略。

课程内容简介

本课程是加强学习专业化的第三门课程，由阿尔伯塔大学、Onlea和Coursera带来。您将学习如何估计给定策略的价值函数，详细探讨如何在常规TD控制方法的基础上将其扩展到函数逼近设定中。

课程大纲

• 迎接课程！在这一模块中，您将了解课程的内容，并与同学们见面。
• 基于近似的策略评估：学习如何在状态数量远超代理可用内存的情况下，估计给定策略的价值函数。
• 预测特征构造：深入探讨固定基和神经网络特征构造的两种基本策略。
• 使用近似进行控制：了解如何将经典TD控制方法扩展至函数逼近设定。
• 策略梯度：直接学习策略参数的替代策略，及其在连续状态和动作空间中的应用。

我的收获

这门课程不仅提升了我的机器学习与强化学习的理论水平，同时也增加了我在实际应用中的技能。无论是针对大规模问题的解决方案，还是基于函数逼近的智能体设计，课程内容都非常丰富，让我受益匪浅。

推荐理由

如果您对强化学习或机器学习感兴趣，并希望深入了解高维空间中的预测与控制，这门课程非常适合您。课程结构清晰，适合各个水平的学习者，无论您是初学者还是有一定基础的进阶者，都能找到适合自己的学习内容和方法。

总结

总体而言，《使用函数逼近的预测与控制》课程是一项出色的学习资源，为提升您的知识和技能提供了清晰的路径。强烈推荐给希望深入强化学习领域的同学们！

课程主页: https://www.coursera.org/learn/prediction-control-function-approximation