算法岗

强化学习工程师

强化学习算法、智能体训练、机器人控制与游戏AI

参考薪资 30-60K
200知识点
69学时
25500积分
8工具
开始学习
CHAPTER 01

岗位说明

强化学习算法、智能体训练、机器人控制与游戏AI

本课程路径为【强化学习工程师】量身设计，聚焦算法与模型研发方向。 岗位描述：强化学习算法、智能体训练、机器人控制与游戏AI。 学习路径分3个阶段递进：AI核心理论（119个知识点，涵盖机器学习、深度学习） → 实践应用（41个知识点，涵盖机器人学与自动化、游戏开发与AI） → 前沿探索（40个知识点，涵盖前沿技术）。 参考薪资：30-60K。需要掌握8个工具。 建议按顺序学习，基础阶段（了解级）快速建立概念框架，核心阶段（理解级）深入掌握关键技术，实践阶段（熟练级）达到工程应用能力。

岗位分类
算法岗
参考薪资
30-60K（月·一线城市参考）
学习规模
200 个知识点 · 约 69 学时 · 8 个工具
已上线课程
201 节可直接学习
CHAPTER 02

现状与前景

强化学习是AlphaGo、ChatGPT（RLHF）背后的核心技术。从游戏AI到机器人控制，从自动驾驶到量化交易，RL的应用场景极具挑战性和想象力。虽然学习曲线陡峭，但精通RL的工程师在全球都是凤毛麟角。

CHAPTER 03

招聘数据

薪资区间

30-60K

数据来源于主流招聘平台 AI 岗位统计，一线城市 3-5 年经验参考。

岗位竞争力和成长

完成全部 200 节课程并通过面试题测试，可获得 25500 成长积分，覆盖该岗位 8 个核心工具与全部技能要求。

CHAPTER 04

能力雷达图

深度学习机器学习前沿技术机器人游戏AI
深度学习 100
机器学习 91
前沿技术 56
机器人 50
游戏AI 25
CHAPTER 05

工具树（8）

训练框架 · 2
PyTorchTensorFlow
基础设施 · 1
Ray
可观测性 · 1
MLflow
数据管道 · 1
Temporal
其他 · 3
o3_modeldeepseek_r1qwq_max
CHAPTER 06

项目树

游戏NPC智能体

基于强化学习的非玩家角色行为策略训练，实现拟人化对战与协作

机器人运动控制

四足/机械臂的步态学习与操作技能训练，支持Sim-to-Real迁移

推荐策略优化

将推荐系统建模为MDP，用RL优化长期用户价值与留存

自动驾驶决策

复杂交通场景下的路径规划与博弈决策策略学习

资源调度优化

数据中心与物流场景的资源分配与路径调度强化学习方案

日常工作任务

  • 每日环境建模与仿真配置，构建符合真实场景的MDP
  • 每日智能体训练与策略迭代，调整算法超参数
  • 每日奖励函数设计与调试，平衡稀疏奖励与探索效率
  • 每周策略评估与对比分析，监控训练曲线与收敛性
  • 按项目算法调优与网络结构改进
  • 按项目仿真环境搭建与场景扩展
  • 按季度前沿RL算法研究与论文复现
  • 按季度技术报告与实验总结撰写

核心交付物

训练好的策略模型仿真环境奖励函数设计评估报告技术方案

协作对象

游戏开发工程师机器人工程师产品经理仿真工程师测试工程师
CHAPTER 07

学习目录（可直达课程）

第1篇系统
系统1 节
  1. 了解 欢迎来到AIQZ.CC 6分钟
第2篇机器学习篇
AI概论6 节
  1. 浅读 AI符号主义学派 19分钟 · 80分
  2. 浅读 ImageNet如何推动深度学习革命 16分钟 · 80分
  3. 浅读 Python asyncio同步原语与异步生成器 19分钟 · 80分
  4. 浅读 监督学习与无监督学习对比 17分钟 · 80分
  5. 浅读 大模型Scaling Law缩放定律 16分钟 · 80分
  6. 浅读 AlphaFold如何用AI破解蛋白质折叠难题 21分钟 · 80分
机器学习基础7 节
  1. 浅读 数据集划分方法与最佳实践 23分钟 · 80分
  2. 浅读 C++20 Concepts：模板约束新方案 17分钟 · 80分
  3. 浅读 机器学习特征提取方法 17分钟 · 80分
  4. 浅读 别让空值拖垮你的模型缺失值插补指南 20分钟 · 80分
  5. 浅读 三个臭皮匠顶个诸葛亮的集成术 21分钟 · 80分
  6. 浅读 让模型越训越精的学习率调度术 17分钟 · 80分
  7. 浅读 Optuna框架超参数搜索实战指南 16分钟 · 80分
监督学习算法9 节
  1. 浅读 一步到位的线性回归闭式解推导 18分钟 · 80分
  2. 浅读 借用检查器深度解析：可变借用唯一性与NLL生命周期 17分钟 · 80分
  3. 浅读 Rust Send与Sync编译期线程安全保证 25分钟 · 80分
  4. 浅读 CART基尼指数：决策树分裂准则 19分钟 · 80分
  5. 浅读 GBDT与XGBoost：梯度提升双雄 17分钟 · 80分
  6. 浅读 CatBoost类别处理：梯度提升优化 18分钟 · 80分
  7. 浅读 深入软间隔松弛变量的优化推导 15分钟 · 80分
  8. 浅读 用机器学习给文本自动分类的实战 17分钟 · 80分
  9. 浅读 手把手做垃圾邮件过滤案例 21分钟 · 80分
无监督学习5 节
  1. 浅读 DBSCAN：密度聚类算法 18分钟 · 80分
  2. 浅读 用神经网络做降维的自编码器 21分钟 · 80分
  3. 浅读 LOF局部异常因子检测算法 15分钟 · 80分
  4. 浅读 异常检测对决：孤立森林与LOF算法对比 17分钟 · 80分
  5. 浅读 挖掘按顺序出现的模式PrefixSpan 20分钟 · 80分
强化学习6 节
  1. 浅读 强化学习灵魂的贝尔曼方程 16分钟 · 80分
  2. 浅读 强化学习里Q值到底是怎么更新的 14分钟 · 80分
  3. 浅读 连续状态空间如何离散化才能用Q表 16分钟 · 80分
  4. 浅读 ACKTR强化学习算法原理与优势 14分钟 · 80分
  5. 浅读 DDPG：深度确定性策略梯度 22分钟 · 80分
  6. 浅读 RLHF如何让大模型学会听人类的话 20分钟 · 80分
模型评估与选择6 节
  1. 浅读 分层K折交叉验证：处理类别不平衡的正确姿势 16分钟 · 80分
  2. 浅读 多标签分类效果怎么评估 20分钟 · 80分
  3. 浅读 ROC曲线与AUC指标彻底搞懂 16分钟 · 80分
  4. 理解 统计显著性检验：t检验与卡方 21分钟 · 120分
  5. 理解 SHAP入门：让黑盒模型决策变得透明可解释 28分钟 · 120分
  6. 理解 LIME局部解释：模型决策可视化分析实践 20分钟 · 120分
AutoML与神经架构搜索3 节
  1. 理解 AutoGluon：多模态AutoML框架 23分钟 · 120分
  2. 理解 大模型超参数优化HPO实战 20分钟 · 120分
  3. 理解 Once-for-All：一次训练适配多种部署约束 26分钟 · 120分
时间序列分析与预测3 节
  1. 理解 ADF检验：时序平稳性判断标准 18分钟 · 120分
  2. 理解 TimesNet：频域视角的时序建模 21分钟 · 120分
  3. 理解 时序数据增强：小样本的破局之法 30分钟 · 120分
图分析与网络科学2 节
  1. 理解 幂律度分布：无标度网络的标志 18分钟 · 120分
  2. 理解 知识图谱架构：从数据到知识体系 28分钟 · 120分
因果推断与因果发现5 节
  1. 理解 Pearl因果阶梯三层模型 20分钟 · 120分
  2. 理解 结构因果模型SCM的函数化定义 26分钟 · 120分
  3. 理解 NOTEARS核心思想：DAG约束的连续化松弛 21分钟 · 120分
  4. 理解 ITE个体处理效应估计偏差 24分钟 · 120分
  5. 理解 GANITE：用GAN做反事实因果推断 18分钟 · 120分
强化学习进阶与实战3 节
  1. 理解 MuZero模型学习与规划算法 15分钟 · 120分
  2. 理解 强化学习如何优化云和网络资源调度 26分钟 · 120分
  3. 理解 强化学习模型从训练到上线部署全流程 20分钟 · 120分
概率编程与贝叶斯建模3 节
  1. 理解 VMP变分消息传递：概率图推断方法 21分钟 · 120分
  2. 理解 贝叶斯优化深入：采集函数设计 21分钟 · 120分
  3. 理解 概率编程与深度学习：融合创新 18分钟 · 120分
第3篇深度学习篇
神经网络基础7 节
  1. 理解 MLP多层感知机：神经网络的基础形态 23分钟 · 120分
  2. 理解 标签噪声鲁棒：Co-teaching与JoCoR 23分钟 · 120分
  3. 理解 自训练与自步学习：概念辨析 23分钟 · 120分
  4. 理解 自动微分模式：前向与反向对比 22分钟 · 120分
  5. 理解 GELU激活函数：BERT的标配选择 17分钟 · 120分
  6. 理解 激活函数大比拼：对比与选择 18分钟 · 120分
  7. 理解 Focal Loss攻克类别不平衡难题 22分钟 · 120分
卷积神经网络CNN6 节
  1. 理解 空洞卷积：不增加参数扩大感受野 17分钟 · 120分
  2. 理解 分组卷积Group Conv原理与效率提升 18分钟 · 120分
  3. 理解 ResNet残差连接深度网络的破局者 22分钟 · 120分
  4. 理解 Anchor-free：无锚框目标检测 21分钟 · 120分
  5. 理解 FCN：全卷积网络语义分割 22分钟 · 120分
  6. 理解 SegFormer语义分割的Transformer革新 19分钟 · 120分
循环神经网络RNN6 节
  1. 理解 RNN循环结构如何处理变长序列 19分钟 · 120分
  2. 理解 GRU简化门控：轻量级循环网络 20分钟 · 120分
  3. 理解 序列生成实战：从文本到音乐的创意应用 21分钟 · 120分
  4. 理解 编码器-解码器架构：深度解析Seq2Seq基石 26分钟 · 120分
  5. 理解 Self-Attention自注意力机制原理 18分钟 · 120分
  6. 理解 相对位置编码：突破绝对位置的泛化瓶颈 21分钟 · 120分
Transformer架构9 节
  1. 理解 Transformer自注意力中QKV矩阵怎么算 24分钟 · 120分
  2. 理解 MQA多查询注意力：用共享KV加速推理 18分钟 · 120分
  3. 理解 Batch Norm：训练推理与卷积协同 18分钟 · 120分
  4. 理解 Transformer解码器：自回归生成的核心引擎 23分钟 · 120分
  5. 理解 Transformer FFN与SwiGLU激活函数 20分钟 · 120分
  6. 理解 T5用统一文本到文本框架搞定NLP 14分钟 · 120分
  7. 理解 Prefix-LM预训练范式原理与演进 17分钟 · 120分
  8. 理解 Longformer长序列处理：线性注意力的工程实现 18分钟 · 120分
  9. 理解 RWKV架构原理RNN的Transformer式复兴 19分钟 · 120分
图神经网络GNN5 节
  1. 理解 图池化：从节点级到图级的关键跃迁 18分钟 · 120分
  2. 理解 GCN图卷积网络：图上的卷积革命 12分钟 · 120分
  3. 理解 图Transformer：注意力机制遇上图结构 14分钟 · 120分
  4. 理解 SortPool排序池化在图神经网络中的应用 14分钟 · 120分
  5. 理解 社交网络与GNN：挖掘人际关系密码 21分钟 · 120分
正则化与优化6 节
  1. 理解 Spatial Dropout空间丢弃原理与实现 19分钟 · 120分
  2. 理解 Dropout与贝叶斯近似：理论联系 24分钟 · 120分
  3. 理解 实例归一化IN原理与适用场景 17分钟 · 120分
  4. 理解 Sophia二阶优化器原理与效果 18分钟 · 120分
  5. 理解 Warmup学习率预热：训练初期为什么要慢 17分钟 · 120分
  6. 理解 标签平滑正则化方法与实战应用 22分钟 · 120分
生成模型6 节
  1. 理解 VQ-VAE离散量化：用码本做生成的自编码器 23分钟 · 120分
  2. 理解 GAN原理：生成器与判别器的博弈 17分钟 · 120分
  3. 理解 CGAN：条件生成的开山之作 19分钟 · 120分
  4. 理解 标准化流应用：从密度估计到数据生成 20分钟 · 120分
  5. 理解 DDPM/DDIM：扩散模型采样方法 22分钟 · 120分
  6. 理解 CFG无分类引导：扩散模型核心方法 22分钟 · 120分
JAX框架6 节
  1. 理解 JAX pytree树形数据结构处理 20分钟 · 120分
  2. 理解 JAX框架中XLA编译 20分钟 · 120分
  3. 理解 JAX JIT编译：常见调试技巧与陷阱排查 26分钟 · 120分
  4. 理解 多GPU数据并行：JAX实战全流程 15分钟 · 120分
  5. 理解 JAX Flax框架Linenoop训练实践 21分钟 · 120分
  6. 理解 Flax模型序列化与导出方案 20分钟 · 120分
对比学习与自监督学习3 节
  1. 理解 SimSiam无负样本的孪生自监督学习 20分钟 · 120分
  2. 理解 ConvNeXt自监督预训练方法 25分钟 · 120分
  3. 理解 视频文本对比学习跨模态对齐 21分钟 · 120分
元学习与小样本学习2 节
  1. 理解 用LSTM做元学习优化器：让网络学会怎么优化 20分钟 · 120分
  2. 理解 小样本学习：用少量数据训练AI 23分钟 · 120分
AI编译与算子优化5 节
  1. 理解 TVM双层中间表示Relay与TIR 17分钟 · 120分
  2. 理解 BYOC混合编译：TensorRT/ACL集成 21分钟 · 120分
  3. 理解 Triton实现Softmax与FlashAttention 17分钟 · 120分
  4. 理解 Ansor三级调度：自动算子优化 23分钟 · 120分
  5. 理解 ScheduleRule：AI编译器中的模板化调度生成 21分钟 · 120分
第4篇机器人学与自动化篇
机器人学基础5 节
  1. 理解 深入理解奇异位形 20分钟 · 120分
  2. 理解 深入理解摩擦力建模 13分钟 · 120分
  3. 理解 MPC模型预测控制：机器人控制的优化方法 23分钟 · 120分
  4. 理解 IMU惯性测量单元原理与应用 17分钟 · 120分
  5. 理解 深入理解阻抗控制 24分钟 · 120分
感知与定位3 节
  1. 理解 深入理解粒子滤波FastSLAM 25分钟 · 120分
  2. 理解 深入理解多传感器融合SLAM 17分钟 · 120分
  3. 理解 深入理解点云处理(PCL/Open3D) 21分钟 · 120分
规划与控制3 节
  1. 理解 深入理解基于采样的规划(PRM/RRT/RRT*) 20分钟 · 120分
  2. 理解 深入理解行为树BT 22分钟 · 120分
  3. 理解 深入理解抓取姿态生成(GraspNet/Dex-Net) 24分钟 · 120分
机器人开发与系统4 节
  1. 理解 ROS2节点通信与话题 23分钟 · 120分
  2. 理解 ROS2开发入门Python与C++双语言实战 21分钟 · 120分
  3. 精通 机器人仿真：传感器噪声建模实战 20分钟 · 180分
  4. 精通 深入理解远程操作Teleoperation 25分钟 · 180分
AI+机器人前沿4 节
  1. 精通 机器人VLA模型的人类示范数据采集 22分钟 · 180分
  2. 精通 深入理解多机器人SLAM 20分钟 · 180分
  3. 精通 Tesla Bot与Figure：人形机器人前沿对决 17分钟 · 180分
  4. 精通 VLA模型解析：机器人看懂世界听懂指令 28分钟 · 180分
机器人智能与学习3 节
  1. 精通 机器人人在回路示教学习方法 29分钟 · 180分
  2. 精通 深入理解分布式RL训练(IMPALA) 19分钟 · 180分
  3. 精通 深入理解视触融合 18分钟 · 180分
机器人系统与产业化4 节
  1. 精通 六轴工业机器人拆解：FANUC、KUKA与ABB的技术对比 22分钟 · 180分
  2. 精通 产线数字孪生：虚实同步的智能工厂基石 18分钟 · 180分
  3. 精通 ROS代价地图配置：移动机器人导航基础 23分钟 · 180分
  4. 精通 深入理解多机器人协作系统 25分钟 · 180分
机器人前沿与具身智能4 节
  1. 精通 傅利叶GR-1人形机器人：国产通用人形的技术拆解 24分钟 · 180分
  2. 精通 深入理解视觉-语言-动作模型(VLA) 20分钟 · 180分
  3. 精通 SayCan解析：语言模型如何驱动机器人执行任务 24分钟 · 180分
  4. 精通 深入理解机器人技能库与技能链 26分钟 · 180分
第5篇游戏开发与AI
游戏引擎与图形渲染4 节
  1. 精通 深入理解游戏对象模型 23分钟 · 180分
  2. 精通 深入理解阴影映射与全局光照 24分钟 · 180分
  3. 精通 HLSL与GLSL着色器语言入门指南 28分钟 · 180分
  4. 精通 深入理解后处理Shader(FX/Bloom/DOF) 19分钟 · 180分
AI驱动游戏玩法4 节
  1. 精通 Utility AI决策：游戏NPC行为评分机制 18分钟 · 180分
  2. 精通 Perlin与Simplex噪声算法 23分钟 · 180分
  3. 精通 AI辅助关卡设计：程序化内容生成 19分钟 · 180分
  4. 精通 深入理解游戏平衡性AI分析 20分钟 · 180分
游戏物理与动画2 节
  1. 精通 PhysX与Havok：游戏物理引擎双雄对比 19分钟 · 180分
  2. 精通 AI动作生成技术：让游戏角色动起来 24分钟 · 180分
AIGC游戏内容生成2 节
  1. 精通 AI音乐与音效：游戏资产生成 25分钟 · 180分
  2. 精通 AI生成游戏任务与支线：剧情自动生成 20分钟 · 180分
第6篇前沿技术篇
Agentic AI6 节
  1. 理解 从ReAct看Agentic AI的范式演进 25分钟 · 120分
  2. 理解 Voyager终身学习Agent：能自主进化的AI 18分钟 · 120分
  3. 理解 实时反欺诈：流式特征工程Flink+Kafka、规则引擎与模型双引擎、复杂事件处理CEP时序模 25分钟 · 120分
  4. 理解 大模型结合符号规划的自主决策方法 19分钟 · 120分
  5. 理解 深入理解工具链组合 25分钟 · 120分
  6. 理解 Agent中的Tool Retrieval工具检索 20分钟 · 120分
推理模型7 节
  1. 理解 System 1与System 2双系统思维 20分钟 · 120分
  2. 理解 DIN/DIEN序列推荐：兴趣建模 21分钟 · 120分
  3. 理解 DSIN：会话兴趣网络推荐 22分钟 · 120分
  4. 理解 推理Scaling Law计算量规律 30分钟 · 120分
  5. 理解 Self-Refine让大模型自我迭代改进输出 21分钟 · 120分
  6. 理解 深入理解搜索策略MCTS 20分钟 · 120分
  7. 理解 RLAIF如何用AI反馈强化模型推理能力 19分钟 · 120分
具身智能3 节
  1. 理解 深入理解机器人泛化 18分钟 · 120分
  2. 理解 VLA模型怎么评好坏？评测基准全面梳理 21分钟 · 120分
  3. 理解 深入理解域适应方法 21分钟 · 120分
世界模型与视频生成3 节
  1. 理解 深入理解视频条件生成 24分钟 · 120分
  2. 理解 PhysGen：融合物理规则的AI生成技术 28分钟 · 120分
  3. 精通 Genie交互世界：可控视频生成 22分钟 · 180分
AI编程助手2 节
  1. 精通 Chat+Edit模式：Cursor编程工作流 22分钟 · 180分
  2. 精通 Code LLM评测：代码能力基准 23分钟 · 180分
AI安全与对齐前沿3 节
  1. 精通 大模型偏好优化前沿：从RLHF到DPO的技术演进 25分钟 · 180分
  2. 精通 可扩展监督：人机协作标注的对齐新范式 26分钟 · 180分
  3. 精通 深入理解对齐税 19分钟 · 180分
空间智能与世界模型4 节
  1. 精通 深入理解视频预测模型：PredRNN/SimVP/VideoGPT 24分钟 · 180分
  2. 精通 世界模型评测基准与核心指标 22分钟 · 180分
  3. 精通 点云配准ICP与深度学习方法完全指南 25分钟 · 180分
  4. 精通 拓扑地图学习与图导航策略完全指南 22分钟 · 180分
AI+能源与可持续发展2 节
  1. 精通 深入理解智能电网负荷预测 23分钟 · 180分
  2. 精通 深入理解碳交易AI优化 25分钟 · 180分
代码智能与程序合成3 节
  1. 精通 深入理解程序依赖图 24分钟 · 180分
  2. 精通 深入理解测试用例生成(Evosuite/Randoop/AI-driven) 26分钟 · 180分
  3. 精通 深入理解程序规约生成 25分钟 · 180分
AI定理证明2 节
  1. 精通 深入理解重写与归纳 25分钟 · 180分
  2. 精通 深入理解软件形式化验证 20分钟 · 180分
群体智能2 节
  1. 精通 深入理解蜂群算法ABC 28分钟 · 180分
  2. 精通 群体机器人Swarm Robotics协作原理 22分钟 · 180分
第7篇AI应用领域篇
计算机视觉CV1 节
  1. 理解 计算机视觉迁移学习入门 22分钟 · 120分
第8篇AI应用开发篇
AI工程化范式演进1 节
  1. 精通 大模型上下文窗口管理策略 23分钟 · 180分
AIQZ.CC · 强化学习工程师岗位说明书 · 返回星图选择岗位 · 2026