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

Hugging Face 深度强化学习课程更新第二单元第一部分，讲解基于价值的方法，对比蒙特卡洛与时序差分学习，并区分状态价值函数与动作价值函数。该部分为后续学习 Q-Learning 及深度 Q-Learning（unit 3）打基础，第二部分将实现首个 Q-Learning 智能体，在 Frozen-Lake-v1 和自动驾驶出租车环境中训练。