dqn

1、使用监督学习、强化学习等方法，开发基于机器学习的棋牌游戏智能 AI，提升游戏玩家体验； 2、负责算法建模及开发，包括特征提取、奖励设计、模型训练、神经网络结构改进、参数优化等； 1、2023届硕士及以上学历，计算机、数学等高匹配相关专业； 2、熟练掌握 TensorFlow、PyTorch 等至少一种机器学习框架； 3、熟悉强化学习算法中的经典算法，如 DQN、DDPG、PPO、A3C等； 4、学习能力强，有阅读英文文献的能力，热爱游戏，有游戏AI实习经验者优先； 5、对多智能体学习、分布式强化学习、自我对弈、非完全信息博弈等领域有经验者优先。

深入浅出地介绍强化学习的概念，算法发展历史，分类，及发展趋势。 强化学习深入浅出完全教程，内容包括强化学习概述、马尔科夫决策过程、基于模型的动态规划方法、蒙特卡罗方法、时间差分方法、Gym环境构建及强化学习算法实现、值函数逼近方法、DQN方法及其变种、策略梯度方法。 南开大学计算机与控制工程学院博士后

现在业界已有不少开源强化学习工具，百度也于近期发布了PARL框架。PARL是基于PaddlePaddle的一个强化学习框架，特点是：1）灵活性高，支持多数的强化学习算法；2）为数不多的开源其大规模分布式能力的强化学习算法库；3）通过之前介绍的工业级场景，验证了算法库的可用性。 这套强化学习框架基于3个基础类，分别是agent、algorithm、model