Stanford AA228 / CS238：Decision Making under Uncertainty（2026 秋）

请帮我把「Stanford AA228 / CS238：Decision Making under Uncertainty（2026 秋）」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://aa228.stanford.edu/
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：在本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：教材练习、Project 0–3、Final Project 及每周 Problem session；项目按 https://aa228.stanford.edu/ 的导航依次进入。AI 可辅助解释与调试，但提交代码须手写并理解，报告披露 AI 使用；考试不得使用 AI。 课程不限定编程语言；Julia 是官方演示选项，Project 1 同时允许 Python 等语言。先安装官方 Julia 并在课程项目目录按 Project.toml/Manifest.toml 配置；不要沿用旧 Juno/Python 3.6 排错说明。本次 Windows Julia 1.10.12 标准库与期望值计算已通过；后续项目额外依赖仍按实际作业核对。公开讲义不需账号；Panopto/Canvas 录像需课程权限。
课节（官方顺序）：
1. Introduction：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
2. Problem session: Probability review (Jack)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
3. Representation：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
4. Inference：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
5. Problem session: Bayesian networks, representation and inference (Ileana)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
6. Parameter and Structure Learning：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
7. Simple Decisions (Kemal)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
8. Problem session: Markov decision processes (Samuel)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
9. Exact Solutions (Kemal)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
10. Approximate Value Functions and Online Planning：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
11. Problem session: Quiz 1 review session (Mykel)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
12. Policy Search, Gradient Estimation, and Optimization (Arec)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
13. Problem session: Policy Search (Ashley)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
14. Actor Critic and Exploration and Exploitation：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
15. Model-Based and Model-Free Reinforcement Learning (Amelia)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
16. Problem session: Quiz 2 review session (Mykel)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
17. Problem session: Reinforcement Learning (Abhi)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
18. Beliefs：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
19. Exact Belief State Planning：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
20. Problem session: Beliefs (Zijian)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
21. Offline Belief State Planning：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
22. Online Belief State Planning (Michelle)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
23. Problem session: Belief State Planning (Rahul)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
24. Controller Abstractions and Multiagent Reasoning (Mahdi)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
25. World Models (Duncan)：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing
26. Policy Validation, Implications, and Summary：https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing

1. 环境
- Julia 为可选演示语言；也可按具体作业选择 Python。使用 Julia 时按课程页面及实际 Project.toml/Manifest.toml 配置。
- 在课程专用目录中准备环境，不修改全局依赖或其他项目环境。
- 记录软件版本；先跑导入、编译器版本或官方离线示例，付费模型调用和提交作业不属于环境自检。
- 课程不限定编程语言；Julia 是官方演示选项，Project 1 同时允许 Python 等语言。先安装官方 Julia 并在课程项目目录按 Project.toml/Manifest.toml 配置；不要沿用旧 Juno/Python 3.6 排错说明。本次 Windows Julia 1.10.12 标准库与期望值计算已通过；后续项目额外依赖仍按实际作业核对。公开讲义不需账号；Panopto/Canvas 录像需课程权限。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程表与材料：只记录链接 https://docs.google.com/spreadsheets/d/1ZvG0SdesUP1hs7TOZUa2ctn9lcbQE4sKsYcXoWXrJxI/edit?usp=sharing（仅保存链接；未确认统一下载许可，不批量复制课件或视频。）
- 官方教材 Algorithms for Decision Making：只记录链接 https://algorithmsbook.com/
3. 目录（最外层放在我确认的位置）
stanford-aa228-fall2026/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lesson-01/
    ├── 02-lesson-02/
    ├── 03-lesson-03/
    ├── 04-lesson-04/
    ├── 05-lesson-05/
    ├── 06-lesson-06/
    ├── 07-lesson-07/
    ├── 08-lesson-08/
    ├── 09-lesson-09/
    ├── 10-lesson-10/
    ├── 11-lesson-11/
    ├── 12-lesson-12/
    ├── 13-lesson-13/
    ├── 14-lesson-14/
    ├── 15-lesson-15/
    ├── 16-lesson-16/
    ├── 17-lesson-17/
    ├── 18-lesson-18/
    ├── 19-lesson-19/
    ├── 20-lesson-20/
    ├── 21-lesson-21/
    ├── 22-lesson-22/
    ├── 23-lesson-23/
    ├── 24-lesson-24/
    ├── 25-lesson-25/
    └── 26-lesson-26/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - 选Julia时在REPL执行：using LinearAlgebra, Statistics; dot([0.25,0.75],[2.0,4.0])  → 3.5；这是标准库数值检查，不解答课程作业。若选择Python，按具体作业检查Pandas/NetworkX等所需工具。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。