今天課的主要內容是TensorFlow的教程和深度神經網絡，由助教Greg Kahn主講。
在開始之前，想繼續講一下上週的一些討論，因爲上次最後沒有講完的所有理論，這是上星期的課程的一點尾巴。在很多場景下，模仿學習是一個學習策略的合適方法，但是在另外一些場景，模仿學習就力不從心了，這也是課程要講強化學習的理由。如果你想超越模仿學習，非常重要的是確切的定義出一個決定是好是壞，而不是僅僅說採取的行動符合在採樣中學習到的，你需要公式化目標函數，在強化學習中稱之爲獎賞函數或者損失函數。
上週用的例子就是這樣的。如果你處在例子中所說的老虎在一起，需要立刻採取動作，根本不會想策略是什麼或者它代表什麼意思，只是需要知道什麼是好決定，什麼是壞決策。真正關心的是將要發生什麼或者不會發生什麼，最關心的是會不會被老虎吃掉。動作的目標應該就是最小化被老虎吃掉的概率。概括來講，在決策問題，你可以寫一個損失函數或者獎賞函數，它可以告訴某個狀態或者動作有多好，你在所有的時間上最大化獎賞函數或者最小化損失函數
待續…
