Lex Fridman (2019-01) 的深度强化学习简介：https ://youtu.be/zR11FLZ-O9M

2 篇免费的、易于阅读的博客文章，用于开始深度强化学习：第一篇侧重于策略梯度，第二篇侧重于深度 Q 学习。

1. 深度强化学习：Andrej Karpathy 的 Pong from Pixels ( mirror )（2016 年 5 月 31 日）。
2. Tambet Matiise 在 Nervana 上揭秘深度强化学习（镜像）（2015 年 12 月 21 日）

然后，两个更深入的资源：

1. 10 个视频，每个约 90 分钟：David Silver (2015) 关于强化学习的2015 年高级主题 (COMPM050/COMPGI13) ( mirror )
2. 455 页的免费书籍：强化学习： Richard S. Sutton 和 Andrew G. Barto 的介绍（第 2 版）（2016 年）

开始编码：

1. 学习强化学习（带有代码、练习和解决方案） （镜像），Denny Britz（2016 年 10 月 2 日）
2. Minimal and Clean Reinforcement Learning Examples (2017)
3. Ben Lau（2016 年 7 月 10 日）使用 Keras 和 Deep Q-Network 玩 FlappyBird（镜像，代码）（代码在 Ubuntu 上运行简单）
4. 使用 Keras 和 Deep Deterministic Policy Gradient 播放 Ben Lau 的 TORCS（镜像，代码）（2016 年 10 月 11 日）（注意：安装gym_torcs运行代码的要求可能需要一些时间，并且仅针对 Linux 提供说明）。

更多链接：

• 专门用于强化学习的精选资源列表。

你可以在 github 上看到很多资源，包括最近的 Deep RL 论文列表

还可以查看一些实现，例如Deep Q 学习

这是 RLDM videolectures.net deep RL上 David Silver 的精彩视频