Învățarea practică de întărire profundă cu Python: Implementarea concisă a algoritmilor, matematică simplificată și utilizarea eficientă a TensorFlow și PyTorch

Recenzii ale cititorilor

Cartea oferă o introducere structurată și clară în învățarea prin consolidare, legând eficient conceptele complexe și oferind exemple practice de codare. Cu toate acestea, unii cititori au criticat-o pentru calitatea slabă a conținutului, codul învechit și explicațiile insuficiente.

⬤ Prezentare organizată a conceptelor complexe de învățare prin consolidare.
⬤ Conectează fără probleme diferite aspecte ale subiectului.
⬤ Exemple practice de codare și implementări în PyTorch și TensorFlow.
⬤ Potrivit pentru diferite niveluri de cunoștințe, inclusiv pentru începători.

⬤ Unii cititori au considerat conținutul lipsit de profunzime și claritate.
⬤ Probleme cu calitatea codului, inclusiv bug-uri și erori.
⬤ Unii consideră că este insuficient în comparație cu alte resurse de învățare prin consolidare.

(pe baza a 7 recenzii ale cititorilor)

Titlul original:

Practical Deep Reinforcement Learning with Python: Concise Implementation of Algorithms, Simplified Maths, and Effective Use of TensorFlow and PyTorch

Conținutul cărții:

Introducere în dezvoltarea practică a agenților inteligenți folosind Python, PyTorch și TensorFlow

CARACTERISTICI CHEIE

⬤  Expunere la tehnici cunoscute de RL, inclusiv Monte-Carlo, Deep Q-Learning, Policy Gradient și Actor-Critical.

⬤  Experiență practică cu TensorFlow și PyTorch pe proiecte de Reinforcement Learning.

⬤  Totul este concis, actualizat și explicat vizual cu matematică simplificată.

DESCRIERE

Învățarea prin consolidare este o ramură fascinantă a AI care diferă de învățarea standard a mașinilor în mai multe moduri. Adaptarea și învățarea într-un mediu imprevizibil face parte din acest proiect. Există numeroase aplicații din lumea reală pentru învățarea prin întărire în zilele noastre, inclusiv medicale, jocuri de noroc, activitate de imitare umană și robotică.

Această carte îi introduce pe cititori în învățarea prin consolidare dintr-un punct de vedere pragmatic. Cartea implică matematică, dar nu încearcă să supraîncarce cititorul, care este un începător în domeniul învățării prin consolidare.

Cartea aduce în atenția cititorului o mulțime de metode inovatoare în învățarea mult mai practică, inclusiv metodele Monte-Carlo, Deep Q-Learning, Policy Gradient și Actor-Critical. În timp ce înțelegeți aceste tehnici în detaliu, cartea oferă, de asemenea, o implementare reală a acestor metode și tehnici folosind puterea TensorFlow și PyTorch. Cartea acoperă câteva proiecte atrăgătoare care arată puterea învățării prin consolidare și să nu mai vorbim de faptul că totul este concis, actualizat și explicat vizual.

După terminarea acestei cărți, cititorul va avea o înțelegere completă și intuitivă a învățării prin întărire moderne și a aplicațiilor sale, ceea ce îl va ajuta enorm în aprofundarea domeniului interesant al învățării prin întărire.

CE VEȚI ÎNVĂȚA

⬤  Familiarizați-vă cu elementele fundamentale ale învățării prin întărire și învățării prin întărire profundă.

⬤  Utilizați cadrul Python și Gym pentru a modela un mediu extern.

⬤  Aplicați tehnici clasice de Q-learning, Monte Carlo, Policy Gradient și eșantionare Thompson.

⬤  Explorați TensorFlow și PyTorch pentru a exersa elementele fundamentale ale învățării prin consolidare profundă.

⬤  Proiectați un agent inteligent pentru o anumită problemă folosind o tehnică specifică.

PENTRU CINE ESTE ACEASTĂ CARTE

Această carte se adresează inginerilor în domeniul învățării automate, fanaticilor învățării profunde, dezvoltatorilor de software AI, oamenilor de știință din domeniul datelor și altor profesioniști din domeniul datelor dornici să învețe și să aplice învățarea prin consolidare în proiectele în curs. Nu sunt necesare cunoștințe specializate de învățare automată.

Cu toate acestea, se dorește cunoașterea limbajului Python.