强化学习课程
基于 Richard S. Sutton & Andrew G. Barto《强化学习（第 2 版）》· 中文版（俞凯 等译）
欢迎！本站逐章学习这本强化学习经典教材。每课是一个自包含的网页：先讲知识，再用带即时反馈的小测验巩固，最后留书后练习供讨论。
课程目录
| 课次 | 内容 | 对应章节 | 状态 |
|---|---|---|---|
| 第 1 课 · 导论 | 什么是强化学习、试错与延迟收益、四要素、试探与开发、井字棋实例与时序差分 | 第 1 章 | ✅ 已上线 |
| 第 2 课 · 多臂赌博机 | 评估性反馈、ε-贪心、增量式更新、固定步长、乐观初始值、UCB、梯度赌博机、关联搜索（含可交互 10 臂赌博机模拟器） | 第 2 章 | ✅ 已上线 |
| 第 3 课 · 有限马尔可夫决策过程 | 智能体-环境接口、回报与分幕、策略与价值函数、贝尔曼方程（计划中） | 第 3 章 | 🚧 制作中 |
如何使用本站
按课次顺序学习；每课约 25–35 分钟。遇到不懂的地方，回到对话里向你的 AI 老师提问；学完一课后用术语速查表复习。