Avis des lecteurs
Résumé:Le livre fournit une introduction structurée et claire à l'apprentissage par renforcement, en reliant efficacement des concepts complexes et en offrant des exemples de codage pratiques. Cependant, certains lecteurs l'ont critiqué pour la mauvaise qualité de son contenu, son code obsolète et ses explications insuffisantes.
Avantages:⬤ Présentation organisée de concepts complexes d'apprentissage par renforcement.
⬤ Connexion transparente entre les différents aspects du sujet.
⬤ Des exemples de codage pratiques et des implémentations dans PyTorch et TensorFlow.
⬤ Convient à différents niveaux de connaissances, y compris aux débutants.
⬤ Certains lecteurs ont trouvé que le contenu manquait de profondeur et de clarté.
⬤ Problèmes de qualité du code, y compris les bogues et les erreurs.
⬤ Certains pensent qu'il n'est pas à la hauteur par rapport à d'autres ressources d'apprentissage par renforcement.
(basé sur 7 avis de lecteurs)
Titre original :
Practical Deep Reinforcement Learning with Python: Concise Implementation of Algorithms, Simplified Maths, and Effective Use of TensorFlow and PyTorch
Contenu du livre :
Introduction au développement pratique d'agents intelligents à l'aide de Python, PyTorch et TensorFlow.
CARACTÉRISTIQUES CLÉS
⬤ Exposition à des techniques de RL bien connues, y compris Monte-Carlo, Deep Q-Learning, Policy Gradient, et Actor-Critical.
⬤ Une expérience pratique avec TensorFlow et PyTorch sur des projets d'apprentissage par renforcement.
⬤ Tout est concis, à jour et expliqué visuellement avec des mathématiques simplifiées.
DESCRIPTION
L'apprentissage par renforcement est une branche fascinante de l'IA qui diffère de l'apprentissage automatique standard de plusieurs façons. L'adaptation et l'apprentissage dans un environnement imprévisible font partie de ce projet. Il existe aujourd'hui de nombreuses applications concrètes de l'apprentissage par renforcement, notamment dans les domaines de la médecine, des jeux d'argent, de l'imitation humaine et de la robotique.
Ce livre présente aux lecteurs l'apprentissage par renforcement d'un point de vue pragmatique. Il fait appel aux mathématiques, mais ne cherche pas à surcharger le lecteur, qui est un débutant dans le domaine de l'apprentissage par renforcement.
Le livre attire l'attention du lecteur sur un grand nombre de méthodes innovantes dans le cadre d'un apprentissage très pratique, notamment les méthodes Monte-Carlo, Deep Q-Learning, Policy Gradient et Actor-Critical. Alors que vous comprenez ces techniques en détail, le livre fournit également une implémentation réelle de ces méthodes et techniques en utilisant la puissance de TensorFlow et PyTorch. Le livre couvre des projets attrayants qui démontrent la puissance de l'apprentissage par renforcement, sans oublier que tout est concis, à jour et visuellement expliqué.
Après avoir terminé ce livre, le lecteur aura une compréhension approfondie et intuitive de l'apprentissage par renforcement moderne et de ses applications, ce qui l'aidera énormément à se plonger dans le domaine intéressant de l'apprentissage par renforcement.
CE QUE VOUS APPRENDREZ
⬤ Se familiariser avec les principes fondamentaux de l'apprentissage par renforcement et de l'apprentissage par renforcement profond.
⬤ Utiliser Python et le cadre Gym pour modéliser un environnement externe.
⬤ Appliquer les techniques classiques d'apprentissage Q, de Monte Carlo, de gradient de politique et d'échantillonnage de Thompson.
⬤ Explorer TensorFlow et PyTorch pour pratiquer les principes fondamentaux de l'apprentissage par renforcement profond.
⬤ Concevoir un agent intelligent pour un problème particulier en utilisant une technique spécifique.
A QUI S'ADRESSE CE LIVRE
Ce livre s'adresse aux ingénieurs en apprentissage automatique, aux fanatiques de l'apprentissage profond, aux développeurs de logiciels d'IA, aux scientifiques des données et aux autres professionnels des données désireux d'apprendre et d'appliquer l'apprentissage par renforcement à des projets en cours. Aucune connaissance spécialisée en apprentissage automatique n'est nécessaire.
Cependant, la maîtrise de Python est souhaitée.
Autres informations sur le livre :
| ISBN : | 9789355512062 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
