Învățați Unity ML - Agenți - Noțiuni de bază ale Unity Machine Learning

Recenzii ale cititorilor

Cartea a primit reacții negative din cauza lipsei de explicații clare, în special în capitolele care abordează exemplele ML-Agents. Mulți cititori au considerat-o frustrantă, în special atunci când au încercat să implementeze exemplele pe Windows, și consideră că conținutul nu oferă valoare în comparație cu resursele gratuite disponibile online.

Unii cititori au menționat că informațiile furnizate au fost excelente în ceea ce privește teoria.

Mai multe recenzii au subliniat faptul că capitolele nu aveau explicații bune, iar exemplele erau dificil de implementat, în special pe Windows. În plus, unii au considerat că cartea doar a duplicat tutoriale gratuite Unity, fără a adăuga o valoare substanțială.

(pe baza a 4 recenzii ale cititorilor)

Titlul original:

Learn Unity ML - Agents - Fundamentals of Unity Machine Learning

Conținutul cărții:

Transformați jocurile în medii folosind machine learning și Deep learning cu Tensorflow, Keras și Unity Caracteristici cheie Aflați cum să aplicați conceptele de bază ale machine learning la jocurile dvs. cu Unity Aflați fundamentele Reinforcement Learning și Q-Learning și aplicați-le la jocurile dvs. Aflați cum să construiți mai mulți agenți asincroni și să îi rulați într-un scenariu de instruire Descrierea cărții

Agenții Unity Machine Learning permit cercetătorilor și dezvoltatorilor să creeze jocuri și simulări utilizând editorul Unity, care servește ca un mediu în care agenții inteligenți pot fi instruiți cu metode de învățare automată prin intermediul unui API Python simplu de utilizat.

Această carte vă conduce de la elementele de bază ale învățării prin consolidare și Q la construirea de agenți Deep Recurrent Q-Network care cooperează sau concurează într-un ecosistem multi-agent. Veți începe cu elementele de bază ale Reinforcement Learning și cum să le aplicați problemelor. Apoi veți învăța cum să construiți rețele neuronale avansate de autoînvățare cu Python și Keras/TensorFlow. De aici veți trece la scenarii de formare mai avansate, unde veți învăța și alte modalități inovatoare de a vă forma rețeaua cu modele de învățare A3C, imitație și curriculum. Până la sfârșitul cărții, veți fi învățat cum să creați medii mai complexe prin construirea unui ecosistem multi-agent cooperant și competitiv. Ce veți învăța Dezvoltați învățarea prin armare și învățarea prin armare profundă pentru jocuri. Înțelegeți conceptele complexe și avansate ale învățării prin consolidare și ale rețelelor neuronale Explorați diverse strategii de instruire pentru dezvoltarea de agenți cooperanți și competitivi Adaptați componentele de bază ale scenariului Academy, Agent și Brain pentru a fi utilizate cu Q Learning. Îmbunătățiți modelul Q Learning cu strategii de instruire îmbunătățite, cum ar fi explorarea Greedy-Epsilon Implementați un NN simplu cu Keras și utilizați-l ca un creier extern în Unity Înțelegeți cum să adăugați blocuri LTSM la un DQN existent Construiți mai mulți agenți asincroni și rulați-i într-un scenariu de instruire Pentru cine este această carte

Această carte este destinată dezvoltatorilor interesați de utilizarea algoritmilor de învățare automată pentru a dezvolta jocuri și simulări mai bune cu Unity. Cuprins Introducere în învățarea automată și agenții ML Banditul și învățarea prin întărire Învățarea prin întărire profundă cu Python Adăugarea explorării și memoriei agentului Redarea jocului Terrarium Revisited - Construirea unui ecosistem multiagent