课程深入
CMU 10-703：深度强化学习（2026 秋）
这是卡内基梅隆大学 10-703 深度强化学习课程的课程网站，课程综合计算机视觉、机器人控制、强化学习和语言理解等方向，讨论如何构建能感知世界并通过模仿、最大化稀疏奖励或满足好奇心来学习行动的智能体。课程目标包括实现和实验现有方法、评估其样本复杂度与泛化性、理解机器人学习领域论文等。页面列出先修要求：算法、概率、计算机视觉、深度学习（TensorFlow 与 PyTorch）、矩阵微积分和编程基础。
- 分级
- 值得看
- 收录时间
- 2026-10-29
- 难度
- 进阶
- 语言
- 英文
学完你能
- 实现并实验以强化信号、示范或内在好奇心为监督来学习行为策略的现有前沿方法。
- 评估这些算法的样本复杂度、泛化性与通用性。
- 读懂机器人学习领域的研究论文。
- 在现有方法上尝试自己的想法或扩展。
适合你吗
适合
- 已修过机器学习导论（10301/10601）且成绩达 B 的学生
- 具备深度学习框架使用经验、想研究与实现深度强化学习算法的人
- 希望读懂机器人学习方向研究论文的人
暂不适合
- 未修过机器学习导论或成绩未达 B 的学习者
- 缺乏矩阵微积分与数值编程基础的人
- 不熟悉 TensorFlow/PyTorch 的使用者
需要先会
需先修 10301/10601 机器学习导论（最低成绩 B），并具备算法、概率、计算机视觉（卷积网络、检测架构、LSTM、注意力）、TensorFlow/PyTorch、矩阵微积分与数值编程基础。
课程特点
- 内容侧重
- 结合计算机视觉、机器人控制、强化学习与语言理解，构建能感知世界并通过模仿、最大化稀疏奖励或满足好奇心来学习行动的智能体。
- 练习与项目
- 作业通过 Gradescope 提交；课程目标包含实现与实验前沿方法、评估算法性质，具体作业与考试安排材料未说明。
- 投入时间
- 每周讲座两节（周一、周三 9:30–10:50），另有周五 9:30–10:50 的复习课；总时长材料未给出。