Nauka Unity ML - Agenci - Podstawy uczenia maszynowego w Unity

Ocena:   (2,9 na 5)

Nauka Unity ML - Agenci - Podstawy uczenia maszynowego w Unity (Micheal Lanham)

Opinie czytelników

Podsumowanie:

Książka otrzymała negatywne opinie ze względu na brak jasnych wyjaśnień, szczególnie w rozdziałach dotyczących przykładów ML-Agents. Wielu czytelników uznało to za frustrujące, zwłaszcza podczas próby implementacji przykładów w systemie Windows, i uważają, że treść nie zapewnia wartości w porównaniu z bezpłatnymi zasobami dostępnymi online.

Zalety:

Niektórzy czytelnicy wspomnieli, że dostarczone informacje były świetne pod względem teorii.

Wady:

W kilku recenzjach podkreślono, że w rozdziałach brakowało dobrych wyjaśnień, a przykłady były trudne do zaimplementowania, zwłaszcza w systemie Windows. Dodatkowo, niektórzy uważali, że książka jedynie powiela darmowe tutoriale Unity, nie wnosząc do nich żadnej istotnej wartości.

(na podstawie 4 opinii czytelników)

Oryginalny tytuł:

Learn Unity ML - Agents - Fundamentals of Unity Machine Learning

Zawartość książki:

Przekształć gry w środowiska wykorzystujące uczenie maszynowe i głębokie uczenie z Tensorflow, Keras i Unity Kluczowe cechy Dowiedz się, jak zastosować podstawowe koncepcje uczenia maszynowego w swoich grach z Unity Poznaj podstawy uczenia wzmacniającego i uczenia Q i zastosuj je w swoich grach Dowiedz się, jak zbudować wielu asynchronicznych agentów i uruchomić je w scenariuszu szkoleniowym Opis książki

Agenci Unity Machine Learning pozwalają badaczom i programistom tworzyć gry i symulacje przy użyciu edytora Unity, który służy jako środowisko, w którym inteligentni agenci mogą być szkoleni za pomocą metod uczenia maszynowego za pomocą prostego w użyciu interfejsu API Python.

Ta książka poprowadzi Cię od podstaw Reinforcement i Q Learning do budowania agentów Deep Recurrent Q-Network, którzy współpracują lub konkurują w ekosystemie wielu agentów. Zaczniesz od podstaw uczenia ze wzmocnieniem i tego, jak zastosować je do rozwiązywania problemów. Następnie dowiesz się, jak budować samouczące się zaawansowane sieci neuronowe za pomocą Pythona i Keras/TensorFlow. Stamtąd przejdziesz do bardziej zaawansowanych scenariuszy szkoleniowych, w których poznasz dalsze innowacyjne sposoby trenowania sieci za pomocą modeli A3C, imitacji i uczenia programowego. Pod koniec książki dowiesz się, jak tworzyć bardziej złożone środowiska, budując współpracujący i konkurencyjny ekosystem wieloagentowy. Czego się nauczysz Rozwijaj uczenie ze wzmocnieniem i głębokie uczenie ze wzmocnieniem dla gier. Zrozumieć złożone i zaawansowane koncepcje uczenia ze wzmocnieniem i sieci neuronowych Zbadać różne strategie szkoleniowe dla rozwoju agentów współpracujących i konkurencyjnych Dostosować podstawowe komponenty skryptów Academy, Agent i Brain do użycia z Q Learning. Ulepsz model Q Learning za pomocą ulepszonych strategii treningowych, takich jak eksploracja Greedy-Epsilon Zaimplementuj prostą sieć neuronową za pomocą Keras i użyj jej jako zewnętrznego mózgu w Unity Dowiedz się, jak dodać bloki LTSM do istniejącej sieci DQN Zbuduj wielu agentów asynchronicznych i uruchom je w scenariuszu treningowym Dla kogo jest ta książka?

Ta książka jest przeznaczona dla programistów zainteresowanych wykorzystaniem algorytmów uczenia maszynowego do tworzenia lepszych gier i symulacji w Unity. Spis treści Wprowadzenie do uczenia maszynowego i agentów ML Bandyta i uczenie ze wzmocnieniem Głębokie uczenie ze wzmocnieniem z Pythonem Dodawanie eksploracji agentów i pamięci Granie w grę Terrarium Revisited - Budowanie ekosystemu złożonego z wielu agentów

Dodatkowe informacje o książce:

ISBN:9781789138139
Autor:
Wydawca:
Język:angielski
Oprawa:Miękka oprawa

Zakup:

Obecnie dostępne, na stanie.

Inne książki autora:

Generowanie nowej rzeczywistości: Od autoenkoderów i sieci kontradyktoryjnych do Deepfakes -...
Rozdział 1: Perceptron uczenia głębokiegoCel rozdziału: W...
Generowanie nowej rzeczywistości: Od autoenkoderów i sieci kontradyktoryjnych do Deepfakes - Generating a New Reality: From Autoencoders and Adversarial Networks to Deepfakes
Ewolucyjne uczenie głębokie: Algorytmy genetyczne i sieci neuronowe - Evolutionary Deep Learning:...
Odkryj jedyne w swoim rodzaju strategie sztucznej...
Ewolucyjne uczenie głębokie: Algorytmy genetyczne i sieci neuronowe - Evolutionary Deep Learning: Genetic Algorithms and Neural Networks
Tworzenie gier w rzeczywistości rozszerzonej - Augmented Reality Game Development
Stwórz od podstaw własną grę w rzeczywistości rozszerzonej za pomocą Unity...
Tworzenie gier w rzeczywistości rozszerzonej - Augmented Reality Game Development
Nauka Unity ML - Agenci - Podstawy uczenia maszynowego w Unity - Learn Unity ML - Agents -...
Przekształć gry w środowiska wykorzystujące uczenie...
Nauka Unity ML - Agenci - Podstawy uczenia maszynowego w Unity - Learn Unity ML - Agents - Fundamentals of Unity Machine Learning

Prace autora wydały następujące wydawnictwa:

© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)