课程主页: https://www.coursera.org/learn/complete-reinforcement-learning-system
课程介绍
对于那些渴望深入了解人工智能和强化学习的学习者来说，《完整的强化学习系统（Capstone）》是一门不可或缺的课程。作为强化学习专项课程的最后一课，这门课带领学生将之前所学知识综合应用，解决实际问题。学完这门我认为可以在现实世界中运用强化学习的学习者会收获良多。
课程概述
在这一门课程中，学生会学习如何将一个具体问题形式化为马尔可夫决策过程（MDP），选择合适的算法，确定关键性能参数，并最终实现一个控制代理。课程的各个里程碑逐步引导学生推进项目，确保每个步骤都得到充分理解和贯彻实施。
详细教学大纲
1. 第一里程碑：将问题形式化为MDP
这一周，学生需将具体问题转化为MDP，并完成环境的骨架代码以进行后续项目使用。
2. 第二里程碑：选择合适的算法
本周，学生需从三种算法中选择一种，用于学习该环境的策略，讨论每种算法对特定环境的适应性。
3. 第三里程碑：识别关键性能参数
学生需识别影响代理性能的关键参数，以便在后续深入研究时做出更精准的选择。
4. 第四里程碑：实现你的代理
在这一周，学生将实现使用期望Sarsa或Q学习的代理，并使用RMSProp和神经网络来进行训练，保障代理的正确性。
5. 第五里程碑：提交你的参数研究
学生将选择一个参数进行研究，撰写脚本测试代理和环境在特定参数下的表现，实际可视化代理的学习过程。
推荐理由
这门课程不仅涵盖了强化学习的核心概念，还通过项目驱动的学习，让学生从实际操作中领会理论与实践的结合。对于希望在AI领域发展的学生来说，这是一门具有极高实用价值的课程。作为课程的结束，Capstone项目奏效，让学生能以自信的姿态面对未来的挑战。
总结
如果你对强化学习充满热情，希望掌握并实现自己的解决方案，《完整的强化学习系统（Capstone）》将是你不容错过的一门课程。带着对人工智能的好奇和对知识的渴望，快来加入这个精彩的学习旅程吧！
课程主页: https://www.coursera.org/learn/complete-reinforcement-learning-system