Applied Reinforcement Learning with Python: Z Openai Gym, Tensorflow i Keras

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 10 głosach.

Oryginalny tytuł:

Applied Reinforcement Learning with Python: With Openai Gym, Tensorflow, and Keras

Zawartość książki:

Rozdział 1: Wprowadzenie do uczenia ze wzmocnieniemCel rozdziału: Poinformowanie czytelnika o historii dziedziny, jej obecnych zastosowaniach, a także ogólne omówienie zarysu tekstu i tego, czego czytelnik może się spodziewać Liczba stron 10Podtematy 1. Czym jest uczenie ze wzmocnieniem? 2. Historia uczenia ze wzmocnieniem 3. Zastosowania uczenia ze wzmocnieniem.

Rozdział 2: Algorytmy uczenia ze wzmocnieniem Cel rozdziału: Zrozumienie przez czytelnika, jak działają algorytmy uczenia ze wzmocnieniem i czym różnią się od podstawowych metod ML/DL. W tym rozdziale zostaną przedstawione praktyczne przykłady.

Liczba stron: 50.

Podtematy 1. Metody tabelaryczne2. Metody przybliżone.

Rozdział 3: Q Learning Cel rozdziału: W tym rozdziale czytelnicy będą kontynuować zrozumienie RL poprzez rozwiązywanie problemów w dyskretnych przestrzeniach działań Liczba stron: 40 Podtematy: 1. Głębokie sieci Q2. Podwójnie głębokie uczenie Q.

Rozdział 4: Reinforcement Learning Based Market Making Cel rozdziału: W tym rozdziale skupimy się na przypadku użycia opartym na finansach, a konkretnie na tworzeniu rynku, w którym musimy kupić i sprzedać instrument finansowy po dowolnej cenie. Zastosujemy podejście uczenia ze wzmocnieniem do tego zestawu danych i zobaczymy, jak działa ono w czasie: 50Sub - Tematy: 1. Tworzenie rynku 2. AWS/Google Cloud3. Cron.

Rozdział 5: Uczenie ze wzmocnieniem w grach wideo Cel rozdziału: W tym rozdziale skupimy się na bardziej uogólnionym przypadku zastosowania uczenia ze wzmocnieniem, w którym uczymy algorytm skutecznego grania w grę przeciwko komputerowej sztucznej inteligencji. Liczba stron: 50Podsumowanie - Tematy: 1. Tło gry i gromadzenie danych.