0什么是强化学习？
监督学习：给你答案，你学规律。
无监督学习：没答案，你找模式。
强化学习：没答案，你试错，做对了给奖励。
就像教狗握手——做对了给零食，做错了不给。狗自己学会。
1学习路线
强化学习的学习路线：
MDP（马尔可夫决策过程）— 状态、动作、奖励、转移概率
Q-Learning — 值函数、Bellman 方程
策略梯度— REINFORCE、Actor-Critic
DQN（深度 Q 网络）— 经验回放、目标网络
2学习建议
实战项目：
- 用 Q-Learning 让 Agent 学会走迷宫
- 用 DQN 玩 Atari 游戏
前置要求： 学过 Python、线性代数、概率论基础