Głębokie uczenie ze wzmocnieniem w akcji

Opinie czytelników

Książka oferuje kompleksowe wprowadzenie do nowoczesnych technik uczenia ze wzmocnieniem (RL), obejmujące zarówno konwencjonalne, jak i niekonwencjonalne tematy. Chociaż jest dobrze napisana i zapewnia cenny wgląd w różne algorytmy RL, ma znaczące problemy z wykonywaniem kodu i edycją techniczną.

Dobrze napisany i precyzyjny opis nowoczesnych algorytmów RL, odpowiedni dla praktyków. Obejmuje szeroki zakres tematów, w tym podstawowe i zaawansowane techniki wykorzystujące standardowe biblioteki, takie jak PyTorch, NumPy i OpenAI Gym. Zachęca do eksperymentowania i zrozumienia podstawowych pojęć.

Przykłady kodu nie działają, co prowadzi do frustracji czytelników. Niektórzy użytkownicy zgłaszali rezygnację z książki z powodu słabo wyjaśnionego kodu i braku korelacji z zasobami GitHub. Wymaga gruntownej edycji technicznej w celu poprawy użyteczności.

(na podstawie 3 opinii czytelników)

Oryginalny tytuł:

Deep Reinforcement Learning in Action

Zawartość książki:

Ludzie najlepiej uczą się na podstawie informacji zwrotnych - jesteśmy zachęcani do podejmowania działań, które prowadzą do pozytywnych rezultatów, a jednocześnie zniechęcani do podejmowania decyzji o negatywnych konsekwencjach. Ten proces wzmacniania może być zastosowany w programach komputerowych, umożliwiając im rozwiązywanie bardziej złożonych problemów, których klasyczne programowanie nie jest w stanie rozwiązać.

Deep Reinforcement Learning in Action uczy podstawowych pojęć i terminologii głębokiego uczenia ze wzmocnieniem, wraz z praktycznymi umiejętnościami i technikami potrzebnymi do wdrożenia go we własnych projektach.

Zakup książki w wersji drukowanej obejmuje bezpłatny eBook w formatach PDF, Kindle i ePub od Manning Publications.