Głębokie uczenie ze wzmocnieniem. AlphaGo i inne technologie
Ta książka jest szczegółowym przewodnikiem po najnowszych narzędziach głębokiego uczenia ze wzmocnieniem oraz ich ograniczeniach. Wdrożymy i przetestujemy w praktyce metody entropii krzyżowej i iteracji wartości (Q-learning), a także gradienty strategii. Do eksperymentów wykorzystane zostaną różnorodne środowiska uczenia ze wzmocnieniem...
(RL), począwszy od klasycznych CartPole i GridWorld, aż po emulatory Atari i środowiska ciągłego sterowania (oparte na PyBullet i RoboSchool). Wiele przykładów opiera się na niestandardowych środowiskach, w których od podstaw opracujemy model otoczenia. W tej książce - Dowiesz się, jakie miejsce w kontekście głębokiego uczenia zajmują metody RL, wdrożysz złożone modele głębokiego uczenia. - Poznasz podstawy RL: markowiewskie procesy decyzyjne. - Przeanalizujesz przykłady wdrożenia metod RL: metoda entropii krzyżowej, DQN, A3C, TRPO, PPO, DDPG, D4PG i inne. - Dowiesz się, jak pracować z dyskretnymi i ciągłymi przestrzeniami akcji w różnych środowiskach. - Zobaczysz, jak opracować system uczący się grać w Atari, wykorzystując uczenie ze wzmocnieniem. - Stworzysz własne środowisko zgodnie z modelem OpenAI Gym do nauki agenta giełdowego. - Wdrożysz metodę AlphaGo Zero do gry w Connect4. - Zapoznasz się z zastosowaniem RL w przetwarzaniu mowy: dowiesz się, jak wytrenować bota dialogowego na frazach z filmów.
Ta książka jest szczegółowym przewodnikiem po najnowszych narzędziach głębokiego uczenia ze wzmocnieniem oraz ich ograniczeniach. Wdrożymy i przetestujemy w praktyce metody entropii krzyżowej i iteracji wartości (Q-learning), a także gradienty strategii. Do eksperymentów wykorzystane zostaną różnorodne środowiska uczenia ze wzmocnieniem (RL), począwszy od klasycznych CartPole i GridWorld, aż po emulatory Atari i środowiska ciągłego sterowania (oparte na PyBullet i RoboSchool). Wiele przykładów opiera się na niestandardowych środowiskach, w których od podstaw opracujemy model otoczenia. W tej książce - Dowiesz się, jakie miejsce w kontekście głębokiego uczenia zajmują metody RL, wdrożysz złożone modele głębokiego uczenia. - Poznasz podstawy RL: markowiewskie procesy decyzyjne. - Przeanalizujesz przykłady wdrożenia metod RL: metoda entropii krzyżowej, DQN, A3C, TRPO, PPO, DDPG, D4PG i inne. - Dowiesz się, jak pracować z dyskretnymi i ciągłymi przestrzeniami akcji w różnych środowiskach. - Zobaczysz, jak opracować system uczący się grać w Atari, wykorzystując uczenie ze wzmocnieniem. - Stworzysz własne środowisko zgodnie z modelem OpenAI Gym do nauki agenta giełdowego. - Wdrożysz metodę AlphaGo Zero do gry w Connect4. - Zapoznasz się z zastosowaniem RL w przetwarzaniu mowy: dowiesz się, jak wytrenować bota dialogowego na frazach z filmów.
Bądź pierwszym, który dowie się o naszych aktualnych rabatach, ofertach i nowych produktach!
Check icon
Dodano do koszyka
Check icon
Dodałeś do ulubionych
Wyprzedane
Produkt jest obecnie niedostępny na magazynie.
Dostępny
Produkt dostępny na magazynie. Dokładny termin dostawy otrzymasz od operatora po potwierdzeniu zamówienia.
Na zamówienie
Produkt dostarczany jest bezpośrednio od wydawnictwa. Realizacja zamówienia trwa do 14 dni, dokładny termin dostawy otrzymasz od operatora po potwierdzeniu zamówienia.