1 学习资料
增强学习课程 David Silver （有视频和ppt）:
http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Teaching.html
最好的增强学习教材：
Reinforcement Learning: An Introduction
https://webdocs.cs.ualberta.ca/~sutton/book/the-book.html
深度学习课程 （有视频有ppt有作业）
https://www.cs.ox.ac.uk/people/nando.defreitas/machinelearning/
深度增强学习的讲座都是David Silver的：
ICLR 2015 part 1 https://www.youtube.com/watch?v=EX1CIVVkWdE
ICLR 2015 part 2 https://www.youtube.com/watch?v=zXa6UFLQCtg
UAI 2015 https://www.youtube.com/watch?v=qLaDWKd61Ig
RLDM 2015 http://videolectures.net/rldm2015_silver_reinforcement_learning/
其他课程：
增强学习
Michael Littman:
https://www.udacity.com/course/reinforcement-learning–ud600
AI（包含增强学习，使用Pacman实验）
Pieter Abbeel：
https://www.edx.org/course/artificial-intelligence-uc-berkeleyx-cs188-1x-0#.VKuKQmTF_og
Deep reinforcement Learning:
Pieter Abbeel
http://rll.berkeley.edu/deeprlcourse/
高级机器人技术（Advanced Robotics）：
Pieter Abbeel：
http://www.cs.berkeley.edu/~pabbeel/cs287-fa15/
深度学习相关课程：
用于视觉识别的卷积神经网络（Convolutional Neural Network for visual network)
机器学习 Machine Learning
Andrew Ng
https://www.coursera.org/learn/machine-learning/
神经网络（Neural Network for Machine Learning)(2012年的）
Hinton:
https://www.coursera.org/course/neuralnets
最新机器人专题课程Penn（2016年开课）：
https://www.coursera.org/specializations/robotics
2 论文资料
https://github.com/junhyukoh/deep-reinforcement-learning-papers
https://github.com/muupan/deep-reinforcement-learning-papers
这两个人收集的基本涵盖了当前deep reinforcement learning 的论文资料。目前确实不多。
3 大牛情况：
DeepMind：
http://www.deepmind.com/publications.html
Pieter Abbeel 团队：
http://www.eecs.berkeley.edu/~pabbeel/
Satinder Singh:
http://web.eecs.umich.edu/~baveja/
CMU 进展：
http://www.cs.cmu.edu/~lerrelp/
Prefered Networks: (日本创业公司，很强，某有代码）
4 会议情况
Deep Reinforcement Learning Workshop NIPS 2015
http://rll.berkeley.edu/deeprlworkshop/
http://blog.csdn.net/songrotek/article/details/50572935
本文转自 stock0991 51CTO博客，原文链接:http://blog.51cto.com/qing0991/1873375
