本系列文章给自己挖坑 将会总结神课CS285强化学习课程的内容（不想完全照抄课程原始内容，还会记录一些自己在学习、复习过程中的一些心得体会，比如看reference readings），除此之外每一节还会分析github上提供的作业答案代码（2020版）。写这一系列更是想建立起关于单智能体深度强化学习的知识体系，因为所写内容均基于本人目前对DRL的认知，难免会有一些理解不到位的地方，所以这一系列也会随着自己在强化学习的学习中不断更新。

以下的目录将课程的23讲内容归了归类，有些内容没有按照课程顺序（RL理论的这几讲放到最后了）。尽力每隔一周更新一篇。

1. 模仿学习（Imitation Learning）

2. 强化学习一般方法

3.1(1) Model-Free方法—Policy Gradient

3.1(2) Model-Free方法—Actor-Critic

3.1(3) Model-Free方法—Value Based&DQN

3.2(1) Model-Based方法—Planning方法

3.2(2) Model-Based方法—Model Learning, Policy Learning

4. Exploration Method

5.(1) 从概率图角度理解强化学习（变分推断原理+VAE）

5.(2) 从概率图角度理解强化学习 (Control as Inference)

6. Inverse RL

7. Transfer Learning, Multi-task Learning, Meta-learning

8. Offline Reinforcement Learning

9. RL理论与Deep RL算法设计

10. 强化学习所面临的挑战