“2021年暑期深度强化学习讨论班”是理学院组织的机器学习讨论班系列的第四期，前两期分别为“机器学习之监督学习”和“深度学习”。本次讨论班将从7月5号开始，为期10天。讨论班的主要内容是强化学习的理论、方法及其应用。我们将涉及强化学习的理论、算法以及基于python的编程实践。欢迎感兴趣的师生参加。

本次讨论班将线上线下同时进行，使用钉钉群进行线上直播。欢迎感兴趣的老师同学加钉钉群。

时间：7月5日—7月15日，上午9:00—11:30（理论课）

下午2:30—4:30（讨论课，编程实践课）

地点：线下：东九A528，线上：钉钉群

主讲老师：龙强、吴昌质（广州大学）、周韬（澳大利亚迪肯大学）、龙吟（计算机学院）、章胜（中国空气动力研究中心）

讨论班提纲：

第一章：强化学习的模型：马尔科夫决策过程

第二章：经典强化学习算法

1. 动态规划算法

2. 蒙特卡罗算法

3. 时序差分算法

第三章：深度学习

1. 从感知机到神经网络

2. 深度神经网络

3. 卷积神经网络

4. 循环神经网络

第四章：值函数近似算法

1. 线性值函数近似法

2. 神经网络值函数近似法

3. 神经网络值函数近似法的改进

第五章：策略梯度算法

1. 策略梯度算法的基本原理

2. 蒙特卡罗策略梯度算法

3. 演员-评论家策略梯度算法

4. A3C策略梯度法

5. 深度确定性策略梯度算法

第六章：基于模型的算法

1. 基于模型算法的基本原理

2. Dyna算法框架

3. 基于模型的搜索

第七章：分布式深度强化学习算法（讨论）

第八章：多智能体深度强化学习算法（讨论）

第九章：多任务深度强化学习算法（讨论）

第十章：深度强化学习的典型案例

1. AlphaGo

2. AlphaZero