16+
Нет отзывов
Купили 9 человек
Аннотация
| Серия | Для профессионалов |
|---|---|
| Издательство | |
| Переплет | Мягкий переплёт |
| Страниц | 496 |
| Год, тираж | 2020, 700 экз. |
1 739 ₽1 449 ₽-17%
Последний экземпляр
как получить заказ
Послезавтра, 27 сентября — бесплатно
- Во вт, 29 сентября — от 247 ₽
- КурьеромВ пн, 28 сентября — от 318 ₽
- Почтой РоссииВо вт, 29 сентября — от 588 ₽
Получить сегодня
Нет в наличии, но есть в 1 магазине в других городах, 1 449 ₽
Отзывы
0Описание и характеристики
Эта книга — подробное руководство по новейшим инструментам глубокого обучения с подкреплением и их ограничениям. Мы реализуем и проверим на практике методы кросс-энтропии и итерации по ценностям (Q-learning), а также градиенты по стратегиям.
Для экспериментов используются самые разные среды обучения с подкреплением (RL), начиная с классических CartPole и GridWorld и заканчивая эмуляторами Atari и средами непрерывного управления (на основе PyBullet и RoboSchool). Множество примеров основано на нестандартных средах, в которых мы с нуля разработаем модель окружения.
В этой книге:
• Вы узнаете, какое место в контексте глубокого обучения занимают методы RL, реализуете сложные модели глубокого обучения.
• Изучите основу RL: марковские процессы принятия решений.
• Рассмотрите примеры реализации методов RL: метод кросс-энтропии, DQN, A3C, TRPO, PPO, DDPG, D4PG и других.
• Узнаете, как работать с дискретными и непрерывными пространствами действий в различных средах.
• Увидите, как разработать систему, обучающуюся играм Atari, используя обучение с подкреплением.
• Создадите собственную среду по модели OpenAI Gym для обучения биржевого агента.
• Реализуете метод AlphaGo Zero для игры в Connect4.
• Познакомитесь с применением RL в обработке речи: узнаете, как обучить диалогового бота на фразах из кинофильмов.
Для экспериментов используются самые разные среды обучения с подкреплением (RL), начиная с классических CartPole и GridWorld и заканчивая эмуляторами Atari и средами непрерывного управления (на основе PyBullet и RoboSchool). Множество примеров основано на нестандартных средах, в которых мы с нуля разработаем модель окружения.
В этой книге:
• Вы узнаете, какое место в контексте глубокого обучения занимают методы RL, реализуете сложные модели глубокого обучения.
• Изучите основу RL: марковские процессы принятия решений.
• Рассмотрите примеры реализации методов RL: метод кросс-энтропии, DQN, A3C, TRPO, PPO, DDPG, D4PG и других.
• Узнаете, как работать с дискретными и непрерывными пространствами действий в различных средах.
• Увидите, как разработать систему, обучающуюся играм Atari, используя обучение с подкреплением.
• Создадите собственную среду по модели OpenAI Gym для обучения биржевого агента.
• Реализуете метод AlphaGo Zero для игры в Connect4.
• Познакомитесь с применением RL в обработке речи: узнаете, как обучить диалогового бота на фразах из кинофильмов.
| Код | 2798725 |
|---|---|
| Издательство | |
| Серия | Для профессионалов |
| Автор | |
| Переводчик | Белов С. |
| Переплет | Мягкий переплёт |
| Кол-во страниц | 496 |
| Год издания | 2020 |
| Тираж | 700 экз. |
| ISBN | 978-5-4461-1079-7 |
| Раздел | Прикладное программное обеспечение |
| Размеры | 2.3 см × 16.5 см × 23.3 см |
| Вес | 0.63 кг |