原文：HTML
作者：Thomas Simonini
翻译：datamonday

---

这篇文章是深度强化学习（Deep Reinforcement Learning，Deep RL）课程的一部分。该课程是一门适合初学者的的免费课程，相关课件可以访问课程主页。

深度RL是一种机器学习，代理（agent）可以通过执行动作和查看结果来学习如何在环境中表现。

自2013年的Deep Q-Learning论文以来，我们看到了很多突破。从击败世界上最好的Dota2玩家的OpenAI五人组，到Dexterity项目，Deep RL的研究是激动人心的。

此外，自该课程于2018年发布以来，大量新库（TF-Agents，Stable-Baseline 2.0…）和发布的环境包括：MineRL（Minecraft），Unity ML-Agents，OpenAI retro（NES，SNES，Genesis games…）如雨后春笋般涌现。现在可以从许多开源库中来建立自己的代理。

所以现在是开始学习的最佳时机，有了这个课程你就对了。是的，因为这篇文章是《Deep RL Course v2.0》的第一章，这是一门从初学者到专家的免费课程，在这里你将掌握所需的技能和架构，成为深度强化学习专家。

在本课程中，你将通过使用Tensorflow和PyTorch实现令人敬畏的代理，学会玩Space invaders、Minecraft、Starcraft、Sonic the hedgehog等，建立一个强大的专业组合!

所以在这第一章，你将学习深度强化学习的基础。

在深入实施深度强化学习代理之前，掌握这些要素真的很重要。本章的目标是给你打下坚实的基础。

如果你喜欢，你可以观看本章的