Глубокое обучение с подкреплением

Name: Глубокое обучение с подкреплением
SKU: 77399
Price: 984 RUB
Availability: InStock

984 ₽

Автор: Лаура Грессер
Название: Глубокое обучение с подкреплением. Теория и практика на языке Python
Формат: PDF
Тема: IT
Количество страниц: 416
Качество: Компьютерное, издательское

Глубокое обучение с подкреплением (глубокое RL) сочетает в себе два подхода к машинному
обучению.
В ходе такого обучения виртуальные агенты учатся решать последовательные задачи
о принятии решений. За последнее десятилетие было много неординарных достижений в этой об-
ласти — от однопользовательских и многопользовательских игр, таких как го и видеоигры Atari
и Dota 2, до робототехники.
Эта книга — введение в глубокое обучение с подкреплением, уникально комбинирующее теорию
и практику. Авторы начинают повествование с базовых сведений, затем подробно объясняют теорию
алгоритмов глубокого RL, демонстрируют их реализации на примере программной библиотеки SLM
Lab и напоследок описывают практические аспекты использования глубокого RL.
Руководство идеально подойдет как для студентов, изучающих компьютерные науки, так и для
разработчиков программного обеспечения, которые знакомы с основными принципами машинного
обучения и знают Python

Категории: Электронные книги, Компьютеры

Описание
Отзывы (0)

Описание

«Глубокое обучение с подкреплением» — книга, которая рассказывает, как объединить нейронные сети и методы обучения с подкреплением для решения сложных задач в условиях неопределённости. Автор объясняет ключевые алгоритмы, от Q-learning и Policy Gradient до современных подходов DQN, A3C, PPO и SAC.

Издание подробно разбирает математический фундамент, архитектуры нейросетей для RL-агентов, техники стабилизации обучения и практические примеры применения: от игр Atari и управления роботами до рекомендационных систем и автономного вождения. Читатель научится реализовывать собственные RL-решения на Python с использованием популярных библиотек.

разработчикам и исследователям в области ИИ, желающим освоить Reinforcement Learning
студентам и аспирантам технических специальностей
практикам машинного обучения, переходящим от supervised learning к автономным агентам
специалистам по робототехнике и игровому ИИ