# 公开课

> 来源：https://dqn.cn/resources/courses ｜ 作者：DQN.CN 编辑部 ｜ 发布：2026-10-30 ｜ 更新：2026-10-30 ｜ 许可：CC BY-NC-SA 4.0（文字）/ MIT（代码）

公开课是系统入门强化学习最高效的方式之一。David Silver 的 UCL 课程适合打基础，Berkeley CS285 系统覆盖深度强化学习前沿，OpenAI Spinning Up 则是面向实践的深度 RL 入门教程。建议先看一门基础课，再根据方向选择进阶课程。

## 课程列表

| 课程 | 讲者 / 机构 | 特点 |
| --- | --- | --- |
| [UCL Course on RL](https://www.davidsilver.uk/teaching/) | David Silver（DeepMind / UCL） | 经典入门课，10 讲，讲义与视频齐全 |
| [CS 285: Deep Reinforcement Learning](https://rail.eecs.berkeley.edu/deeprlcourse/) | Sergey Levine（UC Berkeley） | 深度 RL 系统课程，覆盖模仿学习、离线 RL 等前沿 |
| [Spinning Up in Deep RL](https://spinningup.openai.com/) | OpenAI | 实践导向的深度 RL 教程，含算法讲解与参考实现 |
| [Hugging Face Deep RL Course](https://huggingface.co/learn/deep-rl-course) | Hugging Face | 免费动手课程，基于 Gymnasium 与 Stable-Baselines3 |
| [CS234: Reinforcement Learning](https://web.stanford.edu/class/cs234/) | Emma Brunskill（Stanford） | 斯坦福 RL 课程，理论与应用兼顾 |

## 学习建议

- **只选一门基础课认真学完**：David Silver 的课程（10 讲）适合打基础，配合 Sutton & Barto 阅读效果最好。
- **深度 RL 选 CS285**：内容新、覆盖面广（模仿学习、基于模型的 RL、离线 RL、元学习等），作业有一定难度，建议完成。
- **偏实践选 Spinning Up 或 Hugging Face 课程**：前者算法讲解精炼，后者以动手为主。
- **配合本站使用**：每学完一个主题，到本站对应教程中运行代码、完成练习题，检验是否真正掌握。