返回资源列表

Stanford CS234

Stanford CS234:Reinforcement Learning(2026 冬)

理解强化学习问题、价值估计与策略学习。

打开官方课程
难度
中阶
形式
大学课程
语言
英文
规模
16 个课节
内容费用
免费
动手
需要动手环境

学完你能

  • 理解强化学习问题、价值估计与策略学习

适合你吗

适合

已具备概率、线性代数、机器学习和编程基础,想系统学习强化学习、价值函数与策略优化的学习者。

暂不适合

前置知识不足、需要作业批改或学分证书的人:公开旁听一般不含批改、考试和证书,部分视频也可能不公开。

需要先会

建议先具备:概率、线性代数、机器学习和编程(本站建议)。正式选课要求见原站 syllabus。

课程特点

内容侧重
按内容目录判断
练习与项目
3 次作业(书面题用 LaTeX 模板 + Python 编程题),另有期中、课堂测验和课程项目。题目、模板和起始代码公开在 Assignments 页;提交走 Gradescope,需斯坦福 SUNet 账号。外部学习者可下载完成,用起始代码中的测试或讲义给出的预期结果自查。
学习时长
16 个课节原站未给出统一学习时长;实际用时取决于已有基础。
内容费用
免费各讲幻灯片 PDF 与阅读材料公开免费;课堂录像需 Stanford 账号(Canvas)

来源与使用须知

原始资源
Stanford CS234 收录版本:2026 冬
收录时间
本站首次收录 2026-10-10

版权与转载

  • 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。