強化學習（Reinforcement Learning, RL）是現代人工智慧中一個極具潛力的領域，尤其在遊戲AI、機器人控制、自動駕駛和推薦系統等應用中展現出顯著的成果。這個系列課程從基礎到進階，系統性地介紹強化學習的核心理論與前沿演算法，從基本概念開始，逐步介紹馬可夫決策過程（MDP）、時序差分學習（TD Learning）、Q 學習、策略梯度（Policy Gradient）、近端策略優化（PPO）、深度 Q 網絡（DQN）、演員-評論員方法（Actor-Critic）、深度確定性策略梯度（DDPG）、模仿學習、稀疏獎勵的解決方案，以及多智能體強化學習等進階主題。通過結合理論講解與實作，將能從基礎概念逐步深入，最終掌握強化學習在各個領域中的核心技術。
新系列建置中... 敬請期待！
如果你也是熱愛 AI 的學習者，看到這個 repo，別忘了先給我一顆星星，這樣我就知道有一群志同道合的朋友正在一起前進！ 💫 我也會盡快的把這系列建置完成分享給大家～