报告大家一个好消息， 铁哥拟开设一个为期两日（12小时）的强化学习特训班。

首先， 我们已经有了机器学习， 深度学习的课程， 为什么要开设一个强化学习特训课？ 因为深度学习已经火了至少5年了吧， 你的小伙伴们已经早已使用pytorch， tensorflow在cifar数据上玩的溜了飞起。 而你要想再度的装逼， 不， 说准确了是拥抱未来， 就要有一点新的东西啦。

那为什么是强化学习？ 请看下图的技术泡沫爆裂图。 机器学习和深度学习在2017处于关注热度的顶峰， 大家看处在上升期的人工智能技术， 第一当属深度强化学习， 据这张非常表格非常粗糙的估计， 深度强化学习的技术成熟期在未来5-10年， 此时此刻， 正类似于深度学习在2010的状况。

作为80，90就已经开始起飞的强化学习技术， 事实上在一开始就被认为是在给机器赋予大脑，作为强人工智能的希望所在， 但无奈在2，30年里碰到了先天的技术瓶颈。 也仅在这三年， 强化学习遇到了2012崛起的深度学习， 碰撞出的这个深度强化学习，才开始了强化学习真正的异军突起， 这里面的标志事件也就是两阿的崛起， 所谓阿尔法狗先战胜人类， 然后弟弟阿尔法元又战胜了它， 这无疑是深度强化学习进军其他领域的序章。

深度强化学习给机器以灵魂， 将会影响机器人， 工业4.0， 智能交通， 智能电网，自然语言处理的所有领域， 而这些， 其实比目前深度学习革命所带来的工业影响力要深远广泛的多。 一些公司比如滴滴的智能调动和阿里的推荐系统，已经在它们的生产线上悄悄布置了深度强化学习的系统。 因此我们率先了解是赢在起跑线上， 而这一点， 也是我此次的课程意义之所以， 通过一步步的循循善诱和铺垫， 一窥深度强化学习的殿堂。

为什么是叫一窥， 因为我们的两日显然只能看一眼， 而登堂入室更多的事实上是靠大家自己。 我们希望给只有浅显机器学习基础的同学， 能够对强化学习建立起一个思维导图。

那么我们这个课程会涵盖什么内容呢？

1， 强化学习基础， 从马尔科夫决策理解强化学习的目标和实现手段

2， 基于动态规划的优化算法让小鼠走迷宫

3， 探索与收益的平衡， 多臂赌博机问题

4， 机器学习思想的渗入 - Q函数学习

5， 策略梯度算法求解非全局信息问题

6， Actor - Crtic 强化学习两大流派的汇集点

7， 从Atari 到阿法元， 基于CNN的深度强化学习

8， 从doom到空间导航问题， 基于RNN的深度强化学习

9， 有模型强化学习（关联深度强化学习）

10 更仿生的探索算法 - 引入好奇心

11，提高泛化能力 ： 元强化学习。

12， 结束语： 再看强化学习与其它学习的联系， 强化学习产业化之机遇与挑战。

这12个小主题， 事实上是把强化学习的主线结晶出来， 然后按照逻辑顺序穿成的一个最小框架图。