共计 799 个字符，预计需要花费 2 分钟才能阅读完成。
深度强化学习联合深度学习与强化学习算法各自的劣势解决简单的决策工作。得益于 DeepMind AlphaGo 和 OpenAI Five 等胜利的案例，深度强化学习受到大量的关注，相干技术广泛应用于不同的畛域。然而，对于一名学习者来说，市面上很少有书籍或者教程能同时笼罩从「0 到 1」和「从 1 到 N」的深度强化学习内容，学习材料十分零散。
2020 年 6 月由 Springer 发行《Deep Reinforcement Learning: Foundamentals, Research and Applications》的英文书籍。这本以通俗易懂的形式解说相干技术，并辅以实际教学，受到广大读者的热烈欢迎，电子版本下载量曾经超过了 8 万册。很多读者都示意心愿能有中文（简体）版本，作者团队把书翻译成了中文简体。
为什么这本书如此受欢迎？咱们先来看一下它的内容。本书分为三大部分，笼罩深度强化学习的全部内容。
01 根底篇
第一局部介绍深度学习和强化学习的入门常识、一些十分根底的深度强化学习算法及其实现细节，包含第 1～6 章。其中第 2 章是最要害、最根底的内容。如果您曾经有深度学习根底，能够间接跳过第 1 章。第 3 章、附录 A 和附录 B 总结了不同的算法。
02 钻研篇
第二局部是一些精选的深度强化学习钻研题目，这些内容对筹备发展深度强化学习钻研的读者十分有用，包含第 7～12 章。除了深度学习的根底内容，第 7 章介绍了当今强化学习技术倒退遇到的各种挑战。您能够通过浏览第 8～12 章来进一步理解不同的钻研方向。
03 利用篇
第三局部提供了丰盛的利用案例，包含 AlphaZero、让机器人学习跑步等，包含第 13～18 章。如果您是工程师，心愿疾速地在产品中应用深度强化学习技术，您能够依据业务场景中的动作空间和观测品种来抉择最类似的利用例子，而后使用到您的业务中。
参考资料
1.https://mp.weixin.qq.com/s/93…
本文由 mdnice 多平台公布