Avis des lecteurs
Résumé:Le livre offre un mélange complet de théorie et d'application pratique de l'apprentissage par renforcement, loué pour sa structure claire et ses explications détaillées. Les évaluateurs apprécient sa profondeur, sa large couverture des sujets et ses exemples de codage pratiques, bien que beaucoup aient des problèmes avec la compatibilité du code et les exemples obsolètes.
Avantages:Excellent mélange de théorie et de pratique, structure logique, discussions détaillées sur les techniques d'apprentissage par renforcement, explications claires, chapitres bien définis, bons visuels, couvre une grande variété de sujets, convient à la fois aux débutants et aux apprenants expérimentés.
Inconvénients:Les exemples de code ne fonctionnent souvent pas ou contiennent des bogues, certains trouvent les aspects de codage dépassés ou incompatibles avec les bibliothèques actuelles, le dépannage est laissé au lecteur, des problèmes liés à l'état physique du livre ont été signalés.
(basé sur 37 avis de lecteurs)
Titre original :
Deep Reinforcement Learning Hands-On - Second Edition: Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web
Contenu du livre :
Nouvelle édition du guide à succès sur l'apprentissage par renforcement profond et la façon dont il est utilisé pour résoudre des problèmes complexes dans le monde réel. Révisée et élargie pour inclure les méthodes multi-agents, l'optimisation discrète, l'apprentissage par renforcement profond en robotique, les techniques d'exploration avancées, et plus encore.
Principales caractéristiques ⬤ Deuxième édition de l'ouvrage le plus vendu au monde.
⬤ La deuxième édition du best-seller de l'introduction à l'apprentissage par renforcement profond, enrichie de six nouveaux chapitres.
⬤ Apprenez les techniques d'exploration avancées, y compris les réseaux bruités, le pseudo-comptage et les méthodes de distillation de réseau.
⬤ Appliquer les méthodes d'apprentissage par renforcement à des plates-formes robotiques matérielles bon marché.
Description du livre
Deep Reinforcement Learning Hands-On, Second Edition est une version mise à jour et étendue du guide le plus vendu sur les derniers outils et techniques d'apprentissage par renforcement (RL). Il vous offre une introduction aux principes fondamentaux de l'apprentissage par renforcement, ainsi que la possibilité de coder des agents d'apprentissage intelligents pour effectuer une série de tâches pratiques.
Avec six nouveaux chapitres consacrés à une variété de développements de dernière minute en RL, y compris l'optimisation discrète (résolution du Rubik's Cube), les méthodes multi-agents, l'environnement TextWorld de Microsoft, les techniques d'exploration avancées, et plus encore, vous sortirez de ce livre avec une compréhension approfondie des dernières innovations dans ce domaine émergent.
En outre, vous obtiendrez des informations exploitables sur des sujets tels que les réseaux Q profonds, les méthodes de gradient de politique, les problèmes de contrôle continu et les méthodes non gradient hautement évolutives. Vous découvrirez également comment construire un véritable robot matériel entraîné par RL pour moins de 100 $ et résoudre l'environnement Pong en seulement 30 minutes d'entraînement grâce à l'optimisation du code étape par étape.
En bref, Deep Reinforcement Learning Hands-On, Second Edition, est votre compagnon pour naviguer dans les complexités passionnantes de l'apprentissage par renforcement, car il vous aide à acquérir de l'expérience et des connaissances à travers des exemples du monde réel.
Ce que vous apprendrez
⬤ Comprendre le contexte de l'apprentissage profond (deep learning) et implémenter des modèles complexes d'apprentissage profond (deep learning).
⬤ Évaluer les méthodes RL, y compris l'entropie croisée, le DQN, l'acteur-critique, le TRPO, le PPO, le DDPG, le D4PG, et d'autres.
⬤ Construire un robot matériel pratique entraîné avec des méthodes RL pour moins de 100 $.
⬤ Découvrir l'environnement TextWorld de Microsoft, qui est une plate-forme de jeux de fiction interactifs.
⬤ Utilisez l'optimisation discrète en RL pour résoudre un Rubik's Cube.
⬤ Apprenez à votre agent à jouer à Connect 4 en utilisant AlphaGo Zero.
⬤ Explorer les toutes dernières recherches en RL profond sur des sujets tels que les chatbots d'IA.
⬤ Découvrez les techniques d'exploration avancées, y compris les réseaux bruyants et les techniques de distillation des réseaux.
A qui s'adresse ce livre ?
Une certaine maîtrise de Python est supposée. Une bonne compréhension des principes fondamentaux de l'apprentissage profond sera utile. Ce livre est une introduction à l'apprentissage profond et ne nécessite aucune connaissance en apprentissage profond.
Autres informations sur le livre :
| ISBN : | 9781838826994 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2020 |
| Nombre de pages : | 826 |
Achat:
Actuellement disponible, en stock.
