转自：https://www.zhihu.com/question/41775291
随着DeepMind和AlphaGo的成功，强化学习(Reinforcement Learning)日益受到关注。然而，在一些机器学习入门课程中，并没有专题讨论强化学习。希望这个问题能够成为知乎上对于强化学习严肃讨论的一个起点。也非常希望强化学习方面的研究者分享一下这个领域的研究现状和展望。
以下为一些强化学习的相关学习资源：
1. Udacity课程1：Machine Learning: Reinforcement Learning，以及更深入的Udacity课程2：Reinforcement Learning
2. 经典教科书：Sutton & Barto Textbook: Reinforcement Learning: AnIntroduction 网页中可免费下载新版（第二版）初稿
3. UC Berkeley开发的经典的入门课程作业－编程玩“吃豆人”游戏：Berkeley Pac-Man Project (CS188 Intro to AI)
4. Stanford开发的入门课程作业－简化版无人车驾驶：Car Tracking (CS221 AI: Principles and Techniques)
5.CS 294: Deep Reinforcement Learning, Fall 2015 CS 294 Deep Reinforcement Learning, Fall 2015。课程安排和资料很好。推荐最为RL进阶学习。
注：以上Berkeley和Stanford的课程项目都是精心开发的课程作业，已经搭建好了基础代码，学习者可专注于实现核心算法，并且有自动评分程序(auto-grader)可以自测。
以下为一些强化学习的相关学习资源：
1. Udacity课程1：Machine Learning: Reinforcement Learning，以及更深入的Udacity课程2：Reinforcement Learning
2. 经典教科书：Sutton & Barto Textbook: Reinforcement Learning: AnIntroduction 网页中可免费下载新版（第二版）初稿
3. UC Berkeley开发的经典的入门课程作业－编程玩“吃豆人”游戏：Berkeley Pac-Man Project (CS188 Intro to AI)
4. Stanford开发的入门课程作业－简化版无人车驾驶：Car Tracking (CS221 AI: Principles and Techniques)
5.CS 294: Deep Reinforcement Learning, Fall 2015 CS 294 Deep Reinforcement Learning, Fall 2015。课程安排和资料很好。推荐最为RL进阶学习。
注：以上Berkeley和Stanford的课程项目都是精心开发的课程作业，已经搭建好了基础代码，学习者可专注于实现核心算法，并且有自动评分程序(auto-grader)可以自测。