机器学习---强化学习资料

小小螺丝刀 小小螺丝刀 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 300+累计阅读 335平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄10年
关注
转载 最新推荐文章于 2026-04-06 13:14:56 发布 335 阅读 AI 写同款· GEO 优化 ›
机器学习/深度学习/强化学习资料汇总 去年3月份开始学习机器学习开始，7月份学习深度学习、强化学习，经过一年多的学习终于算勉强入门。把自己搜集到的一些书籍和不错的视频推荐给大家，希望帮助大家快速入门AI，同时也是作为自己学习的一个阶段性总结。 一、机器学习 1.1 书籍类 1.周志华-西瓜书（链接：https://pan.baidu.com/s/1wE07V3XeWuUqSJvhXrK9qQ提取码：phbl） 2.李航-统计... 阅读详情

入门介绍：https://blog.youkuaiyun.com/cf2SudS8x8F0v/article/details/80796107

详细介绍：https://blog.youkuaiyun.com/gsww404/article/details/79763003

收录于
机器学习实战

当前文章被收录于：

机器学习实战
12 篇文章 3 人学习
订阅专栏 查看详情
标签
#ML
李宏毅机器学习day1心得 李宏毅机器学习 阅读详情

相关推荐

【强化学习论文合集】八.2018国际机器学习大会论文(ICML2018)

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。

计算机科研杂货铺 2595

机器学习(Machine Learning)&深度学习(Deep Learning)资料

转载自机器学习(Machine Learning)&深度学习(Deep Learning)资料 希望转载的朋友，你可以不用联系我．但是一定要保留原文链接，因为这个项目还在继续也在不定期更新．希望看到文章的朋友能够学到更多． 《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感...

weixin_33708432的博客 8211

最新30个最炙手可热的GitHub 机器学习开源项目简介及链接

Mybridge 总结了机器学习、深度学习领域全球流行的开源项目。作者从8800个GitHub的开源项目中筛选出30个2017年最炙手可热项目很多非常非常优秀的项目。值得每一位机器学习者收藏细细学习研究！

【资料】机器学习笔记的github镜像下载（github个人star数量排名175）

黄海广博士在github开源了机器学习及深度学习个人笔记，成为热门项目，详情报道见文章。其中机器学习笔记10000+star，深度学习笔记7200+star。个人star...

湾区人工智能 711

【一步到位】Android Studio 实现安卓连接阿里云物联网云平台

最新版本目前是Android Studio Iguana | 2024.1.2，你可以到官网上去找之前的版本，手上有工作项目的不要去轻易尝试，说不定你就编译失败了，失败了也不要担心，解决就可以了。

m0_73799445的博客 1万+

用Python玩转ROS机械臂：YOLO目标检测+MoveIt!自动抓取仿真教程

本文详细介绍了如何利用Python集成YOLO目标检测与ROS的MoveIt!运动规划库，实现机械臂的智能抓取仿真。通过Gazebo仿真环境，从视觉感知、坐标转换到运动规划与执行，构建了一套完整的自动化抓取系统，为机器人视觉抓取应用提供了可复现的实践方案。

ppp33的博客 552

推荐一个github上万star的机器学习资料整理贴

推荐一个github上万star的机器学习资料整理贴，机器学习，深度学习，自然语言处理等应有尽有！（本文来源：忆臻的知乎）作者：忆臻春招将近，给大家推荐一个github上万star的资料...

fengdu78的博客 612

SRAM vs RRAM：存算一体芯片选型指南（含最新技术对比）

本文深入对比了SRAM与RRAM在存算一体芯片设计中的核心差异，为硬件工程师和架构师提供实战选型指南。文章从技术本质、性能、功耗、成本及设计风险等多维度剖析，指出SRAM基于成熟CMOS工艺，适合高精度、低延迟场景；而RRAM凭借非易失性和高密度潜力，在超低功耗、固定模型应用中优势明显。决策需综合项目预算、上市时间及技术储备。

e4f5g6h的博客 940

史上最全的机器学习资料

摘要： 机器学习牵涉的编程语言十分之广，包括了MATLAB、Python、Clojure、Ruby等等。为了让开发者更加广泛、深入地了解机器学习，云栖社区组织翻译了GitHub Awesome Machine Learning 资源，涵盖24种编程语言的机器学习的框架、库以及其他相关资料。 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、

HuFeiHu 6423

从入门到精通：激光器恒流驱动电路的设计与选型指南

本文深入解析了激光器恒流驱动电路的设计与选型。文章从基础电路原理讲起，对比了简易恒流源与高精度运放反馈方案的优劣，并重点阐述了如何为不同功率与精度要求的激光器项目选择合适的恒流驱动方案，强调了恒流源对于保障激光器稳定工作、防止热失控及延长寿命的核心作用。

grafana6viz的博客 711

Python 爬虫实战：共享单车数据采集全流程与市场洞察深度剖析

本文介绍了如何利用Python爬虫技术获取和分析共享单车运营数据。文章从项目背景出发，详细阐述了系统架构设计，包括数据抓取、清洗存储、分析和可视化模块。通过Scrapy、BeautifulSoup等工具实现数据采集，使用Pandas进行数据清洗，并借助Matplotlib进行可视化分析。实战部分展示了爬虫代码示例和城市分布、使用频率等分析案例。最终指出数据驱动分析有助于了解行业现状和市场趋势，未来可结合机器学习等方法进行深入洞察。该技术方案为共享单车行业研究提供了有效的数据支持。

专注于Python爬虫开发，分享爬虫技巧、项目实战与反爬经验，使用Scrapy、BeautifulSoup等工具，解决数据抓取难题。 2232

2022年深度强化学习最全精选资源整理分享

本资源还包括具有许多视觉示例的通用机器学习(ML)、神经网络(NN)和深度神经网络(DNN)，以及具有视频游戏/机器人实战case的强化学习(RL)。一些具有相似目标的替代进化算法也包括在内。资源整理自网络，源地址：https://github.com/wangyuGithub01/Machine_Learning_Resources。

lqfarmer的博客 880

爬虫瑞数5.5案例：欧冶钢材交易官网，带后缀K5nOZLud（面向对象补环境）

瑞数动态安全 Botgate（机器人防火墙）以“动态安全”技术为核心，通过动态封装、动态验证、动态混淆、动态令牌等技术对服务器网页底层代码持续动态变换，增加服务器行为的“不可预测性”，实现了从用户端到服务器端的全方位“主动防护”，为各类 Web、HTML5 提供强大的安全保护。由于之前某通信的瑞数已经调整，这里再出一篇文章，瑞数特点以及请求执行的流程已在之前的文章中分析过，这里不再特别讲解；

老衲爱洗头的博客 3043

cmu 统计机器学习_资源 | CMU统计机器学习2017春季课程：研究生水平

【导读】2020新年伊始，多伦多大学Amir-massoud Farahmand和Emad A. M. Andrews博士开设了机器学习导论课程，介绍了机器学习的主要概念和思想，并概述了许多常用的机器学习算法。它还可以作为更高级的ML课程的基础。 课程地址：机器学习(ML)是一组技术，它允许计算机从数据和经验中学习，而不需要人工指定所需的行为。ML在人工智能作为一个学术领域和工业领域都变得越来越...

weixin_30072693的博客 247

【35】软考软件设计师——设计模式代码填空（C++版）满分精讲｜第5/6题二选一必考

本文是《软件设计师·50讲通关｜从零基础到工程师职称》专栏第35篇，聚焦下午选做题**第5/6题C++版设计模式代码填空**，与上一篇Java版形成双子配套，单题分值稳定12~15分。全文超4000字深度拆解C++独有核心考点：虚函数/纯虚函数、构造与析构函数规范、继承权限、模板类编程在设计模式中的应用；精讲单例、工厂、策略、观察者、适配器五大高频模式的C++专属代码写法，标注所有填空核心点位、语法陷阱、内存安全规范

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！ 543

mediasoup源码分析（二十）服务端架构设计

目录 简介 信令服务（房间服务） 调度服务 媒体服务 简介 流媒体服务器大的方向上可以分为上述三个模块。目前行业内都是分布式服务，独立部署。mediasoup信令与媒体之间虽然可以管道通信。但在行业内，服务之间通过管道通信用的少。 一般是rpc、mq，或者传统的tcp。这块licode架构比较不错，licode是信令和媒体服务通过MQ消息队列解耦。 下面介绍一下这三个服务主要功能，当然文中所说也是一家之言。 信令服务（房间服务） 信令服务也称为房间服务。有的企业把信令和房间分开，信..

lcalqf的专栏 1545

【亲测免费】 探索机器学习的基石：《Foundations of Machine Learning》PDF版资源推荐

探索机器学习的基石：《Foundations of Machine Learning》PDF版资源推荐 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在机器学习领域，理论知识的掌握是每一位学习者和从业者的必经之路。为了帮助广大机器学习爱好者和专业人士更好地掌握这一领域的核心知识，我们特别推荐这份《Foundations of Machine Learning》PDF版...

gitblog_06616的博客 546

假人有限元模型

假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用

强化学习全解；Facebook 机器学习@Scale 2017 资料汇总 | 开发者日报

强化学习全解 强化学习（Re-inforcement Learning） 是一种基于与环境互动的目标导向的学习。强化学习被认为是真正的人工智能的希望。作者认为这是正确的说法，因为强化学习拥有巨大的潜力。 据雷锋网(公众号：雷锋网)了解，很多人说，强化学习被认为是真正的人工智能的希望。本文从 7 个方面带你入门强化学习，读完本文，希望你对强化学习及实战...

weixin_34303897的博客 226

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android：LinePhone3.2.7(最新版本)，官网地址：http://www.linphone.org/

OV9734 DATASHEET，完整规格书

OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等

机器学习&深度学习&强化学习 AI自用入门学习资料大集合

开此文，给大家推荐一下我学习AI技术过程中邂逅的好资料，包括机器学习、深度学习、强化学习及其相关技术等AI技术，内容不断更新。感谢这些内容的创作者的辛勤付出！ 以下内容并不具有学习递进关系，大家可根据需要自行选择。 机器学习 [英文中字] 吴恩达《机器学习》Coursea在线课程 非常非常适合入门，AI大牛吴恩达老师把基础的机器学习和模型讲得非常清楚，每周配以精心设计的Matlab/Octave...

Coding Base 425

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

DL/ML/RL/TL/FL机器学习框架总结

基础软件非常重要；掌握PyTorch是基础；大厂都是搞平台搞生态的。

Admans的专栏 3489

强化学习_知识框架&笔记（Sutton）

《强化学习》Suttun

十八子的博客 526

机器学习的定义是什么？机器学习可以用来干什么？

机器学习是一种强大的技术，可以帮助我们从数据中自动学习并不断优化算法模型，从而实现对数据的更加准确和有效的处理。随着人工智能技术的发展，机器学习将在更多领域得到应用，并为人类生活带来更多便利和进步。

m0_60720471的博客 1301

当深度强化学习遇到『羊了个yang』；AI开始研究『麻将』了？3类资料带你准备技术面试；机器学习资源列表；前沿论文 | ShowMeAI资讯日报

DI-sheep 深度强化学习+羊了个羊、Mjx 麻将AI研究框架、Azimutt 实体关系图(ERD)可视化工具、mp4grep 用于转录&搜索音视频的命令行工具、MuJoCo 物理引擎高质量模型级、技术面试资源列表、神经语音合成教程、深度网络规划资源列表、机器学习资源列表、前沿论文…点击获取全部资讯

ShowMeAI研究中心 1万+

吴恩达机器学习讲义合集：机器学习入门者的学习利器

吴恩达机器学习讲义合集：机器学习入门者的学习利器 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在开源学习资源丰富的今天，吴恩达机器学习讲义（合集）无疑是一个宝贵的宝库。这套讲义集合了吴恩达教授在机器学习领域的深厚造诣，针对入门者和进阶者打造，从基础概念到前沿技术，全方位覆盖了机器学习的核心知识。 项目技术分析 吴恩达机器学习讲义（合集）不仅是一本简单的学习材料，它融...

gitblog_06767的博客 443

机器学习算法有哪些？机器学习算法三大类

机器学习算法可以分为三大类：监督学习、无监督学习和强化学习。以下是每个类别中一些常见的算法：

m0_60720471的博客 2610

适合初学者的最佳机器学习书籍

在本书的帮助下，您将了解如何处理数据驱动的问题，并将您的解决方案与Python（一种决定性且简单的语言）结合起来。当你在项目开始时集思广益时，这本书会派上用场，它可以回答你的问题：某个特定的技术问题是否是“机器可学习的”，如果是的话，你应该实施哪些技术来解决它。作为机器学习工程师，您必须完成的最重要的事情是研究机器学习中使用的数据。这是最好的、最受欢迎的机器学习书籍之一，因为它提供了机器学习的最佳实用介绍，并侧重于在 Scikit-Learn、Keras 和 Keras 库的帮助下执行 ML 程序。

新华编程特战队 968
上一篇： 机器学习---规则学习
点赞 0
评论 0
书签 书签 0
小小螺丝刀
小小螺丝刀
博客等级 码龄10年 41粉丝 45原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值