Descripción
Nueva edición de la guía superventas sobre aprendizaje profundo por refuerzo y cómo se utiliza para resolver problemas complejos del mundo real. Revisada y ampliada para incluir métodos multiagente, optimización discreta, RL en robótica, técnicas avanzadas de exploración y más.
Características principales:
- Segunda edición de la introducción superventas al aprendizaje profundo por refuerzo, ampliada con seis nuevos capítulos.
- Aprenda técnicas de exploración avanzadas, incluidas redes ruidosas, pseudocuentas y métodos de destilación de redes.
- Aplique métodos de RL a plataformas robóticas de bajo costo.
Descripción del libro
Deep Reinforcement Learning Hands-On, Segunda Edición es una versión actualizada y ampliada de la guía superventas de las herramientas y técnicas de aprendizaje por refuerzo (RL) más recientes. Le proporciona una introducción a los fundamentos de RL, junto con la capacidad práctica de codificar agentes de aprendizaje inteligentes para realizar una variedad de tareas prácticas.
Con seis nuevos capítulos dedicados a una variedad de desarrollos de última hora en RL, que incluyen la optimización discreta (resolución del Cubo de Rubik), métodos multiagente, el entorno TextWorld de Microsoft, técnicas avanzadas de exploración y más, este libro le brindará una comprensión profunda de las últimas innovaciones en este campo emergente.
Además, obtendrá información práctica sobre temas como redes Q profundas, métodos de gradiente de política, problemas de control continuo y métodos no gradientes altamente escalables. También descubrirá cómo construir un robot de hardware real entrenado con RL por menos de $100 y resolver el entorno Pong en solo 30 minutos de entrenamiento utilizando la optimización de código paso a paso.
En resumen, Deep Reinforcement Learning Hands-On, Segunda Edición, es su compañero para navegar por las emocionantes complejidades de RL, ya que le ayuda a adquirir experiencia y conocimientos a través de ejemplos del mundo real.
Lo que aprenderá:
- Comprender el contexto de aprendizaje profundo de RL e implementar modelos complejos de aprendizaje profundo.
- Evaluar métodos de RL que incluyen entropía cruzada, DQN, actor-crítico, TRPO, PPO, DDPG, D4PG y otros.
- Construir un robot de hardware práctico entrenado con métodos RL por menos de $100.
- Descubrir el entorno TextWorld de Microsoft, que es una plataforma de juegos de ficción interactiva.
- Usar la optimización discreta en RL para resolver un Cubo de Rubik.
- Enseñar a su agente a jugar Conecta 4 usando AlphaGo Zero.
- Explorar las últimas investigaciones de RL profundo sobre temas que incluyen chatbots de IA.
- Descubrir técnicas avanzadas de exploración, incluidas redes ruidosas y técnicas de destilación de redes.
A quién va dirigido este libro:
Se asume cierta fluidez en Python. Será útil tener un conocimiento sólido de los fundamentos del aprendizaje profundo. Este libro es una introducción al RL profundo y no requiere conocimientos previos en RL.
Autor: Maxim Lapan
Editorial: Packt Publishing
Publicado: 31/01/2020
Páginas: 826
Tipo de encuadernación: Tapa blanda
Peso: 3.07 libras
Tamaño: 9.25 alto x 7.50 ancho x 1.64 fondo
ISBN13: 9781838826994
ISBN10: 1838826998
Categorías BISAC:
- Informática | Lenguajes | Python
- Informática | Inteligencia Artificial | Procesamiento del Lenguaje Natural
- Informática | Programación | Algoritmos
Este título no es retornable