Hugging Face 深度强化学习课程：Q-Learning 入门（下）

Hugging Face 深度强化学习课程第二单元第二部分讲解 Q-Learning，一种基于价值的 off-policy 方法，用 TD 方式逐步更新动作价值函数。文中从零实现首个 Q-Learning 智能体，并在 Frozen Lake v1 和自动驾驶出租车两个环境中训练，为第三单元的 Deep Q-Learning 打基础。