七天打卡，六次作业，五次直播，完整的参与了百度推出的强化学习7日打卡营。
课程收获
在科科老师的讲解下，了解到了强化学习的应用，
了解到了基于价值的方法（saras，Q-learning）和基于策略的方法（REINFORCE算法）,还有应用在连续动作空间的算法（DDPG）。其中DDPG算法和REINFORCE算法还需要多看看起数学原理。
强化学习个人感悟
强化学习就像是在不断的与环境进行交互通过奖惩机制然后选取收获最大的动作作为经验，当然面对未知邻域时不可能总凭过去的经验，这就有了在训练时随机选取一些未定的动作去与环境进行交互。