Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 12 votes.
Titre original :
Deep Reinforcement Learning with Python: With Pytorch, Tensorflow and Openai Gym
Contenu du livre :
L'apprentissage par renforcement profond est une discipline en plein essor qui a un impact significatif dans les domaines des véhicules autonomes, de la robotique, de la santé, de la finance et bien d'autres encore. Ce livre couvre l'apprentissage par renforcement profond en utilisant l'apprentissage par Q profond et les modèles de gradient de politique avec des exercices de codage.
Vous commencerez par passer en revue les processus de décision de Markov, les équations de Bellman et la programmation dynamique qui constituent les concepts de base et le fondement de l'apprentissage par renforcement profond. Ensuite, vous étudierez l'apprentissage sans modèle, puis l'approximation de fonctions à l'aide de réseaux neuronaux et de l'apprentissage profond. Viennent ensuite divers algorithmes d'apprentissage par renforcement profond tels que les réseaux q profonds, divers types de méthodes de critique d'acteur et d'autres méthodes basées sur la politique.
Vous examinerez également le dilemme exploration/exploitation, une considération clé dans les algorithmes d'apprentissage par renforcement, ainsi que la recherche d'arbre de Monte Carlo (MCTS), qui a joué un rôle clé dans le succès d'AlphaGo. Les derniers chapitres se terminent par la mise en œuvre de l'apprentissage par renforcement profond à l'aide de cadres d'apprentissage profond populaires tels que TensorFlow et PyTorch. Au final, vous comprendrez l'apprentissage par renforcement profond ainsi que la mise en œuvre de réseaux q profonds et de modèles de gradient de politique avec TensorFlow, PyTorch et Open AI Gym.
Ce que vous apprendrez
⬤ Examiner l'apprentissage par renforcement profond.
⬤ Mettre en œuvre des algorithmes d'apprentissage profond en utilisant l'environnement Gym d'OpenAI.
⬤ Coder vos propres agents de jeu pour Atari en utilisant des algorithmes de critique d'acteur.
⬤ Appliquer les meilleures pratiques pour la construction de modèles et la formation d'algorithmes.
Pour qui ce livre est-il destiné ?
Les développeurs et les architectes de l'apprentissage automatique qui veulent rester à l'avant-garde dans le domaine de l'IA et de l'apprentissage profond.
Autres informations sur le livre :
| ISBN : | 9781484268087 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2021 |
| Nombre de pages : | 382 |
Achat:
Actuellement disponible, en stock.
