Avis des lecteurs
Résumé:Ce livre est très apprécié pour son approche pratique de l'enseignement de l'apprentissage automatique à travers la construction d'une IA pour le jeu de Go. Les lecteurs apprécient ses explications claires, sa pertinence pour les développeurs et les joueurs de Go, et ses exemples de codage pratiques. Cependant, plusieurs utilisateurs ont rencontré des difficultés importantes concernant la compatibilité des codes, le manque de commentaires détaillés et la profondeur de certains domaines. Dans l'ensemble, ce livre est recommandé à ceux qui ont de solides bases en programmation et qui s'intéressent à l'apprentissage profond.
Avantages:Approche pratique et attrayante de l'apprentissage automatique avec Go.
Inconvénients:Explications claires de sujets complexes tels que l'apprentissage par renforcement profond.
(basé sur 15 avis de lecteurs)
Titre original :
Deep Learning and the Game of Go
Contenu du livre :
Résumé
Deep Learning et le jeu de Go vous apprend à appliquer la puissance du deep learning à des tâches de raisonnement complexes en construisant une IA jouant au jeu de Go. Après vous avoir exposé les fondements du machine learning et du deep learning, vous utiliserez Python pour construire un bot et lui apprendre les règles du jeu.
Préface de Thore Graepel, DeepMind.
L'achat du livre imprimé inclut un livre électronique gratuit aux formats PDF, Kindle et ePub de Manning Publications.
À propos de la technologie
Le jeu de stratégie antique du Go est une incroyable étude de cas pour l'IA. En 2016, un système basé sur l'apprentissage profond a choqué le monde du Go en battant un champion du monde. Peu de temps après, la version améliorée d'AlphaGo Zero a écrasé le bot original en utilisant l'apprentissage par renforcement profond pour maîtriser le jeu. Aujourd'hui, vous pouvez apprendre ces mêmes techniques d'apprentissage profond en construisant votre propre robot de Go.
À propos du livre
Deep Learning and the Game of Go présente l'apprentissage profond en vous apprenant à construire un robot gagnant au jeu de Go. Au fur et à mesure de votre progression, vous appliquerez des techniques et des stratégies d'apprentissage de plus en plus complexes en utilisant la bibliothèque d'apprentissage profond Keras de Python. Vous aurez le plaisir de voir votre robot maîtriser le jeu de Go, et en cours de route, vous découvrirez comment appliquer vos nouvelles compétences en apprentissage profond à un large éventail d'autres scénarios.
Ce qu'il y a à l'intérieur
⬤ Construire et enseigner une IA de jeu qui s'améliore d'elle-même.
⬤ Améliorer les systèmes d'IA de jeux classiques grâce à l'apprentissage profond.
⬤ Mettre en œuvre des réseaux neuronaux pour l'apprentissage profond.
A propos du lecteur
Tout ce dont vous avez besoin, ce sont des compétences de base en Python et des mathématiques de niveau lycée. Aucune expérience de l'apprentissage profond n'est requise.
A propos de l'auteur
Max Pumperla et Kevin Ferguson sont des spécialistes expérimentés de l'apprentissage profond (deep learning), compétents en matière de systèmes distribués et de science des données. Ensemble, Max et Kevin ont créé le robot open source BetaGo.
Table des matières
PARTIE 1 - FONDEMENTS.
⬤ Vers l'apprentissage profond : une introduction à l'apprentissage automatique.
⬤ Go en tant que problème d'apprentissage automatique.
⬤ Mettre en place votre premier robot Go.
PARTIE 2 - L'APPRENTISSAGE AUTOMATIQUE ET L'INTELLIGENCE ARTIFICIELLE DES JEUX.
⬤ Jouer à des jeux avec la recherche arborescente.
⬤ Les réseaux neuronaux.
⬤ Conception d'un réseau neuronal pour les données du jeu de Go.
⬤ Apprendre à partir des données : un bot à apprentissage profond.
⬤ Déploiement de robots dans la nature.
⬤ Apprentissage par la pratique : apprentissage par renforcement.
⬤ Apprentissage par renforcement avec des gradients de politique.
⬤ Apprentissage par renforcement avec des méthodes de valeur.
⬤ L'apprentissage par renforcement avec les méthodes de critique des acteurs.
PARTIE 3 - PLUS QUE LA SOMME DE SES PARTIES.
⬤ AlphaGo : La synthèse de tous les éléments.
⬤ AlphaGo Zero : Intégration de la recherche arborescente à l'apprentissage par renforcement.
Autres informations sur le livre :
| ISBN : | 9781617295324 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2019 |
| Nombre de pages : | 384 |
Achat:
Actuellement disponible, en stock.
