Deep Reinforcement Learning Hands-On - Second Edition: Zastosuj nowoczesne metody RL do praktycznych problemów związanych z chatbotami, robotyką, optymalizacją dyskretną, web

Opinie czytelników

Książka oferuje kompleksowe połączenie teorii i praktycznych zastosowań w uczeniu ze wzmocnieniem, chwalona za przejrzystą strukturę i szczegółowe wyjaśnienia. Recenzenci doceniają jej głębię, szeroki zakres tematów i praktyczne przykłady kodowania, chociaż wielu ma problemy z kompatybilnością kodu i przestarzałymi przykładami.

Doskonałe połączenie teorii i praktyki, logicznie zorganizowane, szczegółowe dyskusje na temat technik uczenia się ze wzmocnieniem, jasne wyjaśnienia, dobrze zdefiniowane rozdziały, dobre wizualizacje, obejmuje szeroki zakres tematów, odpowiedni zarówno dla początkujących, jak i doświadczonych uczniów.

Przykłady kodu często nie działają lub zawierają błędy, niektórzy uważają, że aspekty kodowania są przestarzałe lub niekompatybilne z obecnymi bibliotekami, rozwiązywanie problemów pozostawiono czytelnikowi, zgłoszono problemy ze stanem fizycznym książki.

(na podstawie 37 opinii czytelników)

Oryginalny tytuł:

Deep Reinforcement Learning Hands-On - Second Edition: Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web

Zawartość książki:

Nowe wydanie bestsellerowego przewodnika po głębokim uczeniu ze wzmocnieniem i sposobach jego wykorzystania do rozwiązywania złożonych problemów w świecie rzeczywistym. Poprawione i rozszerzone o metody wieloagentowe, optymalizację dyskretną, RL w robotyce, zaawansowane techniki eksploracji i wiele innych.

Główne cechy

⬤ Drugie wydanie bestsellerowego wprowadzenia do głębokiego uczenia ze wzmocnieniem, rozszerzone o sześć nowych rozdziałów.

⬤ Poznaj zaawansowane techniki eksploracji, w tym zaszumione sieci, pseudoliczenie i metody destylacji sieci.

⬤ Zastosuj metody RL do tanich platform robotyki sprzętowej.

Opis książki

Deep Reinforcement Learning Hands-On, Second Edition to zaktualizowana i rozszerzona wersja bestsellerowego przewodnika po najnowszych narzędziach i technikach uczenia ze wzmocnieniem (RL). Zapewnia wprowadzenie do podstaw RL, wraz z praktyczną umiejętnością kodowania inteligentnych agentów uczących się do wykonywania szeregu praktycznych zadań.

Dzięki sześciu nowym rozdziałom poświęconym różnym najnowszym osiągnięciom w RL, w tym optymalizacji dyskretnej (rozwiązywanie kostki Rubika), metodom wieloagentowym, środowisku Microsoft TextWorld, zaawansowanym technikom eksploracji i nie tylko, z tej książki wyjdziesz z głębokim zrozumieniem najnowszych innowacji w tej rozwijającej się dziedzinie.

Ponadto zyskasz praktyczny wgląd w takie obszary tematyczne, jak głębokie sieci Q, metody gradientowe polityki, ciągłe problemy kontrolne i wysoce skalowalne metody niegradientowe. Dowiesz się również, jak zbudować prawdziwego robota sprzętowego wyszkolonego za pomocą RL za mniej niż 100 USD i rozwiązać środowisko Pong w zaledwie 30 minut treningu, korzystając z optymalizacji kodu krok po kroku.

Krótko mówiąc, Deep Reinforcement Learning Hands-On, Second Edition, jest twoim towarzyszem w poruszaniu się po ekscytujących zawiłościach RL, ponieważ pomaga zdobyć doświadczenie i wiedzę na rzeczywistych przykładach.

Czego się nauczysz

⬤ Zrozumieć kontekst głębokiego uczenia się RL i wdrożyć złożone modele głębokiego uczenia się.

⬤ Oceniać metody RL, w tym cross-entropy, DQN, actor-critic, TRPO, PPO, DDPG, D4PG i inne.

⬤ Zbuduj praktycznego robota sprzętowego wyszkolonego metodami RL za mniej niż 100 USD.

⬤ Odkryj środowisko TextWorld firmy Microsoft, które jest platformą interaktywnych gier fabularnych.

⬤ Wykorzystanie dyskretnej optymalizacji w RL do rozwiązania kostki Rubika.

⬤ Naucz swojego agenta grać w Connect 4 przy użyciu AlphaGo Zero.

⬤ Zapoznaj się z najnowszymi badaniami nad głębokim RL na tematy takie jak chatboty AI.

⬤ Odkryj zaawansowane techniki eksploracji, w tym hałaśliwe sieci i techniki destylacji sieci.

Dla kogo jest ta książka

Zakłada się pewną biegłość w języku Python. Solidne zrozumienie podstaw głębokiego uczenia będzie pomocne. Ta książka jest wprowadzeniem do głębokiego RL i nie wymaga doświadczenia w RL.