Merge pull request #195 from mrmrmrfinch/main

Update README.zh-cn.md

8-Reinforcement/translations/README.zh-cn.md

@@ -1,53 +1,53 @@
-# 强化学习介绍
+# 强化学习简介
 
-强化学习（Reinforcement learning，RL）被视为基础机器学习除监督学习以及无监督学习之外的范式之一。强化学习是完全关于决策的，它可以提供正确的决策或者至少能从他们中学习。
+强化学习 (RL, Reinforcement Learning)，是基本的机器学习范式之一（仅次于监督学习 (Supervised Learning) 和无监督学习(Unsupervised Learning)）。强化学习和「策略」息息相关：它应当产生正确的策略，或从错误的策略中学习。
 
-想象你现在有一个例如股票市场的模拟环境。如果你施加了一条给定的规章制度的话，将会发生什么呢？这条规章制度会带来积极还是消极的影响呢？如果产生了负面影响的话，那么你就需要接受这种 _负强化_ ，从中学习并改变方针。如果产生了正面的成果，那么你就需要基于这种 _正强化_ 越做越好。
+假设有一个模拟环境，比如说股市。当我们用某一个规则来限制这个市场时，会发生什么？这个规则（或者说策略）有积极或消极的影响吗？如果它的影响是正面的，我们需要从这种_负面强化_中学习，改变我们的策略。如果它的影响是正面的，我们需要在这种_积极强化_的基础上再进一步发展。
 
-![彼得与狼](../images/peter.png)
+![彼得和狼](../images/peter.png)
 
-> 彼得和他的朋友们需要逃离饥饿的狼！（图片来自：[Jen Looper](https://twitter.com/jenlooper)）
+> 彼得和他的朋友们得从饥饿的狼这儿逃掉！图片来自 [Jen Looper](https://twitter.com/jenlooper)
 
-## 区域主题：彼得与狼（俄罗斯）
+## 本节主题：彼得与狼（俄罗斯）
 
-[彼得与狼](https://zh.wikipedia.org/wiki/%E5%BD%BC%E5%BE%97%E5%92%8C%E7%8B%BC) 是前苏联作曲家[普罗科菲耶夫](https://zh.wikipedia.org/wiki/%E8%B0%A2%E5%B0%94%E7%9B%96%C2%B7%E6%99%AE%E7%BD%97%E7%A7%91%E8%8F%B2%E8%80%B6%E5%A4%AB)写的一部交响童话。它讲述的是少先队员彼得勇敢地离家到森林空地去追捕狼的故事。在本节中，我们将训练可以帮助彼得的机器学习算法：
+[彼得与狼](https://en.wikipedia.org/wiki/Peter_and_the_Wolf) 是俄罗斯作曲家[谢尔盖·普罗科菲耶夫](https://en.wikipedia.org/wiki/Sergei_Prokofiev)创作的音乐童话。它讲述了彼得勇敢地走出家门，到森林中央追逐狼的故事。在本节中，我们将训练帮助 Peter 追狼的机器学习算法：
 
-- **探索** 周边区域并构建一张最佳的导航地图
-- **学习** 如何使用滑板并在上面保持平衡，以便更加快速地移动。
+- **探索**周边区域并构建最佳地图
+- **学习**如何使用滑板并在滑板上保持平衡，以便更快地移动。
 
-[![彼得与狼](https://img.youtube.com/vi/Fmi5zHg4QSM/0.jpg)](https://www.youtube.com/watch?v=Fmi5zHg4QSM)
+[![彼得和狼](https://img.youtube.com/vi/Fmi5zHg4QSM/0.jpg)](https://www.youtube.com/watch?v=Fmi5zHg4QSM)
 
-> 🎥 点击上图聆听普罗科菲耶夫的《彼得与狼》
+> 🎥 点击上面的图片，听普罗科菲耶夫的《彼得与狼》
 
 ## 强化学习
 
-在之前的章节中，你已经看到了两个机器学习问题的例子：
+在前面的部分中，您已经看到了两类机器学习问题的例子：
 
-- **有监督的**——我们有数据集可以为我们想要解决的问题提出示例解决方案。[分类模型](../../4-Classification/README.md)与[回归模型](../../2-Regression/translations/README.zh-cn.md)都是有监督的任务。
-- **无监督的**——我们的训练数据没有标签。无监督学习的一个主要例子就是[聚类分析](../../5-Clustering/README.md)。
+- **监督**，在有已经标记的，暗含解决方案的数据集的情况下。 [分类](../../4-Classification/README.md) 和 [回归](../../2-Regression/README.md) 是监督学习任务。
+- **无监督**，在我们没有标记训练数据集的情况下。无监督学习的主要例子是 [聚类](../../5-Clustering/README.md)。
 
-在本节中，我们会向你介绍一种新的学习问题。这种问题不需要有标签的训练数据，它们有以下几类问题：
+在本节中，我们将学习一类新的机器学习问题，它不需要已经标记的训练数据 —— 比如这两类问题：
 
-- **[半监督学习](https://wikipedia.org/wiki/Semi-supervised_learning)**——我们有很多没有标签的数据可以用于预先训练模型。
-- **[强化学习](https://wikipedia.org/wiki/Reinforcement_learning)**——一个智能体（agent）在某些模拟环境中进行实验并以此学习如何表现。
+- **[半监督学习](https://wikipedia.org/wiki/Semi-supervised_learning)**，在我们有很多未标记的、可以用来预训练模型的数据的情况下。
+- **[强化学习](https://wikipedia.org/wiki/Reinforcement_learning)**，在这种方法中，机器通过在某种模拟环境中进行实验来学习最佳策略。
 
-### 例子 - 电脑游戏
+### 示例 - 电脑游戏
 
-假设你想要教会电脑如何玩一个例如国际象棋或者[超级马里奥](https://wikipedia.org/wiki/Super_Mario)的游戏。对于电脑来说，我们需要让它预测在每个游戏状态下它的动作才能使它成功地玩游戏。虽然这看上去像是个分类问题，但是事实并非如此——因为我们没有包含（游戏）状态和相应动作的数据集。虽然我们可能有一些现有的国际象棋比赛数据或者玩家玩超级马里奥的记录，但是那些数据很可能无法包含足够多的潜在（游戏）状态。
+假设我们要教会计算机玩某一款游戏 —— 例如国际象棋，或者 [超级马里奥](https://wikipedia.org/wiki/Super_Mario)。为了让计算机学会玩游戏，我们需要它预测在每个游戏「状态」下，它应该做什么「操作」。虽然这看起来像是一个分类问题，但事实并非如此，因为我们并没有像这样的，包含「状态」和状态对应的「操作」的数据集。我们只有一些有限的数据，比如来自国际象棋比赛的记录，或者是玩家玩超级马里奥的记录。这些数据可能无法涵盖足够多的「状态」。
 
-**强化学习** (RL) 不是寻找现有的游戏数据，而是基于一种*想让电脑玩* 多次并观察结果的想法。因此，我们需要做以下两件事来应用强化学习：
+不同于这种需要大量现有的数据的方法，**强化学习**是基于*让计算机多次玩*并观察玩的结果的想法。因此，要使用强化学习方法，我们需要两个要素：
 
-- **环境** 和 **模拟器** ——可以让我们多次玩游戏。这个模拟器将定义所有游戏的规则、可能的状态以及动作。
+- **环境**和**模拟器**，它们允许我们多次玩游戏。该模拟器应该定义所有游戏规则，以及可能的状态和动作。
 
-- **奖励函数** ——会告诉我们在每个动作或游戏中的表现如何。
+- **奖励函数**，它会告诉我们每个每一步（或者每局游戏）的表现如何。
 
-其他机器学习和强化学习（RL）的主要差别就是在RL中我们通常无法在完成游戏之前知道我们是赢还是输。因此，我们无法评价游戏中的某一个特定动作是好是坏——我们只会在游戏结束时才得到奖励。我们的目标是设计一种可以在不确定条件下帮我们训练模型的算法。接下来我们将要学习一种叫**Q-learning**的RL算法。
+其他类型的机器学习和强化学习 (RL) 之间的主要区别在于，在 RL 中，我们通常在完成游戏之前，都不知道我们是赢还是输。因此，我们不能说单独的某个动作是不是「好」的 - 我们只会在游戏结束时获得奖励。我们的目标是设计算法，使我们能够在这种不确定的条件下训练模型。我们将了解一种称为 **Q-learning** 的 RL 算法。
 
 ## 课程
 
-1. [强化学习与Q-Learning介绍](../1-QLearning/README.md)
-2. [使用Gym模拟环境](../2-Gym/README.md)
+1.【强化学习和 Q-Learning 介绍】(1-QLearning/README.md)
+2.【使用 Gym 模拟环境】(2-Gym/README.md)
 
-## Credits
+## 本文作者
 
-"强化学习介绍"由[Dmitry Soshnikov](http://soshnikov.com)撰写 ♥️ 
+“强化学习简介” 由 [Dmitry Soshnikov](http://soshnikov.com) 用 ♥️ 编写

translations/README.zh-cn.md

@@ -29,11 +29,11 @@
 
 - 从课前测验开始
 - 阅读课程内容，完成所有的活动，在每次 knowledge check 时暂停并思考
-- 我们建议你基于理解来创建项目（而不是仅仅跑一遍示例代码）示例代码的位置在每一个项目的 `/solution` 文件夹中。
+- 我们建议你基于理解来创建项目（而不是仅仅跑一遍示例代码）。示例代码的位置在每一个项目的 `/solution` 文件夹中。
 - 进行课后测验
 - 完成课程挑战
 - 完成作业
-- 一节课完成后, 访问[讨论版](https://github.com/microsoft/ML-For-Beginners/discussions)，通过天蝎相应的 PAT Rubric (课程目标)来深化自己的学习成果。你也可以回应其它的 PAT，这样我们可以一起学习。
+- 一节课完成后, 访问[讨论版](https://github.com/microsoft/ML-For-Beginners/discussions)，通过填写相应的 PAT Rubric (课程目标) 来深化自己的学习成果。你也可以回应其它的 PAT，这样我们可以一起学习。
 
 > 如果希望进一步学习，我们推荐跟随 [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-15963-cxa) 的模块和学习路径。
 
@@ -52,7 +52,7 @@
 
 此课程基于两个教学原则：学生应该上手进行**项目实践**，并完成**频繁的测验**。 此外，为了使整个课程更具有整体性，课程们有一个共同的**主题**。
 
-通过确保课程内容与项目强相关，我们让学习过程对学生更具吸引力，概念的学习也被深化了。难度较低的课前测验可以吸引学生学习课程，课后的第二次测验进一步重复了课堂中的概念。该课程被设计地灵活有趣，可以一次性全部学习，或者分开来一部分一部分学习。这些项目由浅入深，从第一周的的小项目开始，在第十二周的周期结束时变得较为复杂。本课程还包括一个关于机器学习实际应用的后记，可用作额外学分或讨论的基础。
+通过确保课程内容与项目强相关，我们让学习过程对学生更具吸引力，概念的学习也被深化了。难度较低的课前测验可以吸引学生学习课程，而课后的第二次测验也进一步重复了课堂中的概念。该课程被设计地灵活有趣，可以一次性全部学习，或者分开来一部分一部分学习。这些项目由浅入深，从第一周的小项目开始，在第十二周结束时变得较为复杂。本课程还包括一个关于机器学习实际应用的后记，可用作额外学分或进一步讨论的基础。
 
 > 在这里，你可以找到我们的[行为守则](../CODE_OF_CONDUCT.md)，[对项目作出贡献](../CONTRIBUTING.md)以及[翻译](../TRANSLATIONS.md)指南。我们欢迎各位提出有建设性的反馈！