Avis des lecteurs
Résumé:Le livre 'TensorFlow 2 Reinforcement Learning Cookbook' est un guide pratique axé sur la mise en œuvre d'algorithmes d'apprentissage par renforcement (RL) à l'aide de TensorFlow. Il est conçu pour les personnes déjà familiarisées avec TensorFlow et propose de nombreux exemples de code, mais il manque d'explications théoriques complètes. Bien qu'il excelle dans la couverture de l'entraînement distribué et le déploiement de modèles RL, ce qui en fait une ressource précieuse pour les applications pratiques, il peut ne pas convenir comme première introduction à l'apprentissage par renforcement.
Avantages:⬤ L'accent est mis sur la mise en œuvre pratique et les recettes pratiques.
⬤ Couvre une large gamme d'algorithmes d'apprentissage par renforcement et leurs applications dans le monde réel.
⬤ Bonne structure modulaire avec des chapitres faciles à suivre.
⬤ L'accent est mis sur des sujets avancés tels que la formation et le déploiement distribués.
⬤ Introduction accessible et concise aux concepts clés du RL, adaptée aux lecteurs ayant une expérience de TensorFlow.
⬤ Forte dépendance à l'égard du code avec un arrière-plan théorique insuffisant.
⬤ Ne convient pas aux débutants en apprentissage par renforcement ou en TensorFlow.
⬤ Certains utilisateurs ont trouvé que le livre manquait de profondeur et de clarté en ce qui concerne les concepts fondamentaux.
⬤ Peu de références externes ou d'explications théoriques fournies, ce qui le rend moins complet.
(basé sur 6 avis de lecteurs)
Titre original :
TensorFlow 2 Reinforcement Learning Cookbook: Over 50 recipes to help you build, train, and deploy learning agents for real-world applications
Contenu du livre :
Découvrez des recettes pour développer des applications d'IA afin de résoudre une variété de problèmes professionnels réels en utilisant l'apprentissage par renforcement.
Fonctionnalités principales.
⬤ Développez et déployez des solutions basées sur l'apprentissage par renforcement profond dans les pipelines de production, les produits et les services.
⬤ Les algorithmes populaires d'apprentissage par renforcement tels que Q-learning, SARSA et la méthode acteur-critique sont explorés.
⬤ Personnaliser et construire des applications basées sur l'apprentissage par renforcement pour effectuer des tâches dans le monde réel.
Description du livre
Avec l'apprentissage par renforcement profond, vous pouvez construire des agents intelligents, des produits et des services qui peuvent aller au-delà de la vision informatique ou de la perception pour effectuer des actions. TensorFlow 2.x est la dernière version majeure du cadre d'apprentissage profond le plus populaire utilisé pour développer et former des réseaux neuronaux profonds (DNN). Ce livre contient des recettes faciles à suivre pour tirer parti de TensorFlow 2.x afin de développer des applications d'intelligence artificielle.
En commençant par une introduction aux principes fondamentaux de l'apprentissage par renforcement profond et de TensorFlow 2.x, le livre couvre OpenAI Gym, l'apprentissage par renforcement profond basé sur un modèle, l'apprentissage par renforcement profond sans modèle et la façon de développer des agents de base. Vous découvrirez comment mettre en œuvre des algorithmes avancés d'apprentissage par renforcement profond tels que la critique d'acteur, les gradients de politique déterministes profonds, les réseaux Q profonds, l'optimisation de politique proximale et les réseaux Q récurrents profonds pour former vos agents RL. Au fur et à mesure de votre progression, vous explorerez les applications de l'apprentissage par renforcement en construisant des agents de trading de crypto-monnaies, des agents de trading d'actions et des agents intelligents pour automatiser l'exécution de tâches. Enfin, vous découvrirez comment déployer des agents d'apprentissage par renforcement profond dans le cloud et créer des applications multiplateformes à l'aide de TensorFlow 2.x.
À la fin de ce livre sur TensorFlow, vous aurez acquis une solide compréhension des algorithmes d'apprentissage par renforcement profond et de leurs implémentations à partir de zéro.
Ce que vous apprendrez
⬤ Construire des agents d'apprentissage par renforcement profond à partir de zéro en utilisant les toutes nouvelles API TensorFlow 2.x et Keras.
⬤ Mettre en œuvre des algorithmes d'apprentissage par renforcement profond de pointe en utilisant un code minimal.
⬤ Construire, former et packager des agents d'apprentissage par renforcement profond pour le trading de crypto-monnaies et d'actions.
⬤ Déployer des agents RL dans le nuage et à la périphérie pour les tester en créant des applications de bureau, web et mobiles et des services dans le nuage.
⬤ Accélérer le développement d'agents en utilisant la formation distribuée de modèles DNN.
⬤ Explorer les architectures distribuées de RL profond et découvrir les opportunités de l'AIaaS (AI as a Service).
A qui s'adresse ce livre
.
Ce livre s'adresse aux développeurs d'applications d'apprentissage automatique, aux chercheurs en IA et en IA appliquée, aux scientifiques des données, aux praticiens de l'apprentissage profond et aux étudiants ayant une compréhension de base des concepts d'apprentissage par renforcement qui souhaitent construire, entraîner et déployer leurs propres systèmes d'apprentissage par renforcement à partir de zéro en utilisant TensorFlow 2.x.
Autres informations sur le livre :
| ISBN : | 9781838982546 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
