一个强化学习教程：The Hands-on Reinforcement Learning course

课程内容从简到难，逐步解决不同难度的问题，包括Q-learning、SARSA、参数化Q学习、策略梯度等技术，最终会介绍如何将强化学习算法、优化方法和深度学习技术结合，解决更复杂的问题。不过课程大部分内容是几年前的，并不会涉及现在大模型里的强化学习。
课程不要求先前了解深度学习，讲解中会为学习者提供相关背景，帮助理解其在现代强化学习中的重要性。

课程包括：
强化学习简介
使用Q-learning驱动出租车
使用SARSA克服重力
使用参数化Q学习保持平衡
使用策略梯度登陆月球