در فصل اول کتاب ، راجع به يادگيري تقويتي و رابطه آن با هوش مصنوعي صحبت خواهد شد. سپس عمق را زياد كرده، تا سعي شود نسبت به بلوك هاي ساختماني پايه يادگيري تقويتي مثل حالت، عامل، محيط، و پاداش، شناخت بيشتري حاصل شود. چالشهاي هر جنبه با استفاده از مثا لهاي متعدد مطرح خواهد شد تا درك فطري خوبي بدست آمده، و مبناي مستحكمي قبل از ورود به موضوعات پيشرفته ايجاد شود. نحوه انجام بهترين اقدام و سياست براي يادگيري عامل نيز مورد بحث قرار مي گيرد. تفاوت بين سياست روشن و سياست خاموش نيز مطرح خواهد شد.

فصل دوم: شناخت رياضي و الگوريتمي      فصل سوم:کد سازی محیط و حل MDPها     فصل چهارم: یادگیری تفاضلی زمانی، SARSA  و یادگیری  Q

فصل پنجم: کدسازی یادگیری Q  فصل ششم: مقدمه یادگیری عمیق  فصل هفتم: منابع پیاده سازی  فصل هشتم: شبکه عمیق Q، دوتایی و دوئل

 فصل نهم: ;کدسازی DQN دوتایی   فصل دهم: رویکردهای سیاست پایه  فصل یازدهم: مدلهای فاعل- منتقد  فصل دوازدهم: کدسازی A3c

فصل سیزدهم:گرادیان سیاست قطعی وDDPG فصل چهاردهم : کدسازی DDPG

خواهشمند است نظرات انتقادی خود را در مورد کتاب با مدیریت انتشارات از طریق ایمیل و یا  شماره تلفن های انتشارات در میان و پیشنهادات خود را جهت بهبود و رفع کاستی ها اعلام فرمایید.