Q-Learning 算法：Off-Policy 时序差分、Q 表更新公式、ε-greedy 探索、收敛条件与 NumPy 伪代码。

强化学习应用实战：博弈、机器人、推荐、调度、自动驾驶等场景的问题建模、算法选型、工程链路与落地挑战。

RL 评估与环境：Gymnasium 接口、经典基准、指标与学习曲线、Stable-Baselines3/CleanRL 生态及实验复现要点。

RL 专属数据结构：Q-Table、Transition 元组、Replay Buffer、Prioritized Replay、Rollout Buffer、资格迹与策略输出参数化。

RL 实现框架：Gymnasium 训练循环、PyTorch 要点、表格型与深度算法工程结构、常见坑与超参直觉。

强化学习算法分类：Model-Free/Model-Based、On/Off-Policy、Value/Policy/Actor-Critic；表格型到深度 RL 谱系与选型速查。

MDP、折扣回报、Bellman 方程、状态/动作价值函数与最优策略；探索–利用权衡的数学表述。

强化学习概述：Agent–Environment 交互、状态/动作/奖励、试错与延迟回报；与监督学习的对比及问题建模入口。

强化学习（Reinforcement Learning，RL）系列入口：概述、原理算法、实现、数据结构、评估工具、应用实战及阅读路线。

从 PDB/mmCIF 解析、BioPython 层次对象与 NumPy 张量，到残基图构图与 PyG Data 批训练，用 Python 串起「蛋白结构 → GNN 输入」全流程；含五幅数据流示意图与可复用代码骨架。