本课程是 PyNepal Tech 在 Udemy 平台推出的Learn AI Game Development using Python实战课，2024 年 6 月更新，课程评分4.5/5，总时长11 小时 36 分钟，共 12 章节 89 节课。课程面向具备 Python 基础的初学者，以游戏实战为核心，通俗讲解强化学习核心算法，基于 TensorFlow+Keras 搭建 AI 智能体，完成迷宫求解、山地车爬坡、贪吃蛇三大经典 AI 游戏项目，实现理论与实战深度结合，快速掌握 AI 游戏开发与强化学习落地技能。
你能学到什么
【你将学到的内容】
入门与环境配置（基础搭建）
课程介绍；Anaconda 环境创建、依赖安装、Spyder IDE 配置
AI 与强化学习核心理论
AI / 强化学习 (RL) 基础概念；环境、奖励、智能体、路径；马尔可夫奖励 / 决策过程；贝尔曼方程与价值函数
Pygame 游戏开发基础
图形绘制、事件循环、游戏逻辑、玩家移动、边界约束
TensorFlow 与 Keras 实战
框架基础、神经网络搭建、模型训练与评估
动态规划 (DP) 与贝尔曼方程
动态规划原理；确定性 / 随机性环境决策；最优策略与奖励最大化
Q-learning 算法实战
Q-learning 推导、时序差分学习；迷宫求解 AI 智能体完整开发
深度 Q 学习 (DQN)
DQN 理论、探索 / 利用平衡、经验回放；用神经网络拟合 Q 值
卷积 Q 学习与高阶项目
CNN+Q 学习处理视觉输入；山地车爬坡 AI、贪吃蛇游戏 AI实战开发
【核心能力沉淀】
强化学习全掌握：吃透 DP、Q-learning、DQN、卷积 Q 学习核心原理与代码实现
AI 框架熟练应用：能用 TensorFlow+Keras 搭建、训练、优化强化学习模型
三大 AI 游戏落地：独立完成迷宫、山地车、贪吃蛇智能体，可直接写入作品集
理论实战打通：理解贝尔曼方程、马尔可夫决策，掌握智能体决策逻辑
通用迁移能力：所学框架可用于机器人、仿真、其他游戏 AI 等场景
——————————————————————————————————————————————————
暂无评论内容