课题方向涉及强化学习，之前主要使用基于tensorflow和pytorch的RL算法库，这门课是入门课，内容基本都比较熟悉，动机主要是了解一下parl的设计思路，毕竟拿过NIPS AI挑战赛的冠军，看有没有能够借鉴和学习的地方，体会如下：

1. 老师讲的确实不错，只有对算法原理理解的深刻，才能通俗易懂的讲出来（费曼学习法），适合不同行业、不同基础的人入门。

2. 由于课程时间和数量有限，大部分RL相关理论都没有涉及，直接介绍一些近年来的DRL算法，可能学完入门都算不上，不排除后续会继续开收费课程。当然，好在结合parl实操来帮助理解算法，以及如何应用在不同任务中，但也仅限跑起来和调调参数、改改model结构，不够深入。

3. 对parl的一些评价，框架比较简洁，模块化设计，Model、Algorithm、Agent相互独立，该有的组件都有，多线程训练、向量化环境，算法库也比较丰富，还有消除python多线程GIL锁限制的黑科技加成。

4. parl大部分算法需要结合paddlepaddle使用，仅部分算法支持pytorch，希望以后可以完善。另外就是课程中agent的配置使用的是静态图，虽然比较模板化，但代码量增加了不少，看起来也不是那么Pythonic，大概目标对象主要还是产业界，方便部署。

5. 总结：课是好课，框架易上手，轻松跑起来很有成就感，还有免费AI studio算力可以撸，更何况是国产AI产品，良心。