Hugging Face 深度强化学习课程：Q-Learning 入门（第一部分）

Hugging Face 深度强化学习课程第 2 单元第一部分讲解基于价值的方法，介绍状态价值函数、动作价值函数、Bellman 方程，以及 Monte Carlo 与 Temporal Difference Learning 的区别。该单元是后续学习 Deep Q-Learning 的基础，第二部分将实现 Q-Learning 智能体并在 Frozen-Lake-v1 等环境中训练。