欢迎购买学习《Python带AI玩家游戏开发中人工智能算法应用基础到进阶视频教程》课程，你将学习为现实世界游戏实施从基础到高级的深度学习、人工智能算法！
如果您有兴趣学习如何使用 Python 制作自己的人工智能游戏，那么这就是您的课程！
本课程充满了教程视频以及可以运行以熟悉该学科的材料。您不再需要阅读复杂的研究论文并拥有扎实的数学基础即可开始学习。只需遵循本课程和材料，您就可以上路了。
MP4 | 视频：h264, 1280×720 | 音频：AAC，44.1 KHz
语言：英语 | 大小：12.6 GB | 时长：34h 23m
你会学到什么
- 学习实现 MinMax 算法
- 通过实施游戏了解 Q-Learning
- 了解游戏中的人工智能
- 了解健身模块
- 实施深度 Q 学习
- 实现深度卷积 Q-Learning
- 了解 TensorFlow 和 Keras
- 学习构建复杂的AI玩家
- 了解贝尔曼方程和动态规划
- 了解蒙特卡罗模拟
- 从零开始学习实现神经网络
要求
- 高中数学：基本概率和统计
- 无需编程经验。
描述
让我们来看看这门课程的结构
我们将从一个实现流行棋盘游戏算法的简单游戏开始：MinMax。在这个游戏中，我们将创建井字游戏并编写一个算法来对抗人类玩家并试图击败人类玩家。
接下来我们将学习gym模块：一个流行的库，可用于编写和测试我们的AI算法。
之后，我们将学习贝尔曼方程和动态规划。我们将学习如何通过模型动力学使用贝尔曼方程找到状态的最优值。我们将实现迷宫游戏来实现 Q 学习算法。
然后，我们将学习蒙特卡罗模拟。我们将检查如何在模型动力学未知时使用蒙特卡罗模拟来预测价值函数。
同样，我们将在整个课程中实现以下游戏
1. 使用 Monte-Carlo 和 Q-Learning 的 BlackJack 游戏
2. Pacman 使用深度卷积神经网络
3. 使用 Tensorflow 和 Keras 制作无与伦比的 AI TicTacToe 播放器（Human Vs AI）
4. 棋盘游戏的 MinMax 算法
一般问答
大多数人听到人工智能这个词时，通常首先想到的就是机器人。那是因为大预算电影和小说编织了关于在地球上造成严重破坏的类人机器的故事。但事实并非如此。
人工智能基于这样的原则，即可以以机器可以轻松模仿和执行任务的方式定义人类智能，从最简单的到更复杂的任务。人工智能的目标包括模仿人类的认知活动。该领域的研究人员和开发人员在模仿学习、推理和感知等活动方面取得了惊人的快速进步，以至于这些活动可以具体定义。一些人认为，创新者可能很快就能开发出超出人类学习或推理任何学科能力的系统。但其他人仍然持怀疑态度，因为所有认知活动都与受制于人类经验的价值判断有关。
人工智能 (AI) 是指在机器中模拟人类智能，这些机器被编程为像人类一样思考并模仿他们的行为。该术语也可以应用于任何表现出与人类思维相关的特征的机器，例如学习和解决问题。
本课程适用于谁
- 想要学习创建人工智能游戏的初学者
- 想要实现 AI 算法的程序员
- 希望通过创建游戏以有趣的方式学习复杂算法的初学者
- 任何想学习python、pygame（游戏开发工具）和人工智能的人。
