课程大纲： 用Python进行深度强化学习培训
介绍
强化学习基础
强化学习基本技术
BURLAP简介
值迭代和策略迭代的收敛
奖赏塑形（Reward Shaping）
探索（Exploration）
泛化（Generalization）
部分可观察的马尔可夫决策过程（POMDP）
选择（Options）
Logistics
TD Lambda
策略梯度（Policy Gradient）
深度Q学习
博弈论（Game Theory）专题
加入高级会员获得助教答疑
