《Easy RL：强化学习教程》是一本由王琦 / 杨毅远 / 江季著作，人民邮电出版社出版的平装图书，本书定价：109.90元，页数：192，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。
《Easy RL：强化学习教程》读后感(一)：强烈推荐这本强化学习教程
强烈推荐这本强化学习教程，最开始上手强化学习的时候很多教材内容都是英文，对于初学者来说上手并不友好，通过github找资料发现了这本强化学习教程，语言都很通俗易懂，从基础讲起并且配有详细的代码和练习，极大帮助了强化学习的理论学习和代码实践能力，期待该书的纸质版正式出版能体验更好的强化学习教程。
《Easy RL：强化学习教程》读后感(二)：强烈推荐
关注Easy RL很长时间了，也算是老读者了，这本书读起来很系统，由浅入深，配合实例讲解算法，让我感觉能更为深刻地理解每个算法，学习了之后，真的没有感觉到很枯燥，和别的教程书有挺大区别，确实是目前读过的最好的教程书。同时在github上也看到相应的电子教程，整理的非常详尽和系统，一目了然，配备上代码，对于初学者实战也是有相当大的助益。
《Easy RL：强化学习教程》读后感(三)：算法实验参考的不二之选！
之前学习强化学习的时候一直没有找到合适的教程，总是不能够系统地学习。感谢三位作者的付出，将比较晦涩难学的强化学习深入浅出地讲述出来。章节安排也比较合理，从简单的Q学习算法，再到深度Q学习，紧接着演员-评论家算法，一步一步层层递进，最后讲述了一篇经典的论文。此外本书附属代码也较为通俗易懂，是算法实验参考的不二之选！
《Easy RL：强化学习教程》读后感(四)：推荐强化学习入门
强化学习一开始在心理学领域，强调让受试通过奖励与惩罚机制在多轮游戏中学会一些操作。常见的有小老鼠道路选择，猩猩交换物品等实验。计算机中的强化学习理念也大致相同。读完这本书中介绍与代码实践，可以很快的入门，真正做到了easy。读完这本书入门后，还想继续深入，课程方面推荐Deepmind的RL课程，书籍除了这本也推荐《Reinforcement Learning- An Introduction》基本上是必读书目了，视频推荐李宏毅的深度强化学习。
《Easy RL：强化学习教程》读后感(五)：目前看过的最好的中文强化学习读本
作为强化学习的中文资料，该书避免了外文资料直接翻译造成的阅读不适，书的内容讲授和展开和书名很贴近：Easy Reinforcement Learning，从最基本的马尔可夫决策过程开始，文字用语全部很白话，只要有最基本的概率论知识，学习曲线的陡峭程度会降低很多。此外知识展开按照表格Q-learning（价值学习）—策略梯度（策略学习）—引入深度网络—改进深度Q-learning—Actor-Critic的顺序，知识体系比较完整，最重要的是提供了相应的python代码，理论和实践结合得比较好，市面上机器学习方向的读本大多数要么倾向于理论知识，要么倾向于代码实践，该书在两部分的权衡方面做的较好，每章的最后还有”习题“以及”面试题“作为一章知识的总结，整体的观感很舒服。
《Easy RL：强化学习教程》读后感(六)：最适合入门的强化学习教程
21年开学刚接触强化学习时，四处寻找教材。其中最多人推荐的肯定是sutton的经典书籍《强化学习》，但是学完一轮后回过头再来看，这本书绝对不适合没有强化学习基础的人。还有的推荐《深入浅出强化学习：远离入门》，但这本书上错误百出，很多公式的推导让人一头雾水。
偶然在GitHub发现Easy RL，顿时有种柳暗花明又一村的感觉，虽然不同章节的作者不尽相同，风格略有差异。但每一章都聚集其他教材的精华，公式推导非常详细，配合大量生动的图解，使得难以入门的强化学习变得清晰易懂。每一章都精心打磨，循序渐进地讲解了强化学习的基本框架。
希望后期能够推出强化学习落地方面的书籍。
