{"product_id":"mastering-reinforcement-learning-with-python-build-next-generation-self-learning-models-using-reinforcement-learning-techniques-and-best-practices-9781838644147","title":"Dominar el aprendizaje por refuerzo con Python: Cree modelos de autoaprendizaje de próxima generación utilizando técnicas y mejores prácticas de aprendizaje por refuerzo","description":"\u003cp\u003e\u003cstrong\u003eObtenga experiencia práctica en la creación de agentes de aprendizaje por refuerzo de última generación utilizando TensorFlow y RLlib para resolver problemas complejos de negocios e industria del mundo real con la ayuda de consejos de expertos y mejores prácticas\u003c\/strong\u003e\u003c\/p\u003e\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eCaracterísticas principales: \u003c\/strong\u003e\u003c\/p\u003e\u003cul\u003e\n\u003cli\u003eComprender cómo funcionan los algoritmos y enfoques de RL de última generación a gran escala\u003c\/li\u003e\n\u003cli\u003eAplicar RL para resolver problemas complejos en marketing, robótica, cadena de suministro, finanzas, ciberseguridad y más\u003c\/li\u003e\n\u003cli\u003eExplorar consejos y mejores prácticas de expertos que le permitirán superar los desafíos de RL del mundo real\u003c\/li\u003e\n\u003c\/ul\u003e\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eDescripción del libro: \u003c\/strong\u003e\u003c\/p\u003e\u003cp\u003eEl aprendizaje por refuerzo (RL) es un campo de la inteligencia artificial (IA) utilizado para crear agentes autónomos de autoaprendizaje. Basándose en una sólida base teórica, este libro adopta un enfoque práctico y utiliza ejemplos inspirados en problemas de la industria del mundo real para enseñarle sobre el RL de vanguardia.\u003c\/p\u003e\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\u003cp\u003eComenzando con problemas de bandidos, procesos de decisión de Markov y programación dinámica, el libro proporciona una revisión en profundidad de las técnicas clásicas de RL, como los métodos de Monte Carlo y el aprendizaje de diferencia temporal. Después de eso, aprenderá sobre el aprendizaje profundo Q, los algoritmos de gradiente de políticas, los métodos actor-crítico, los métodos basados en modelos y el aprendizaje por refuerzo multiagente. Luego, se le presentarán algunos de los enfoques clave detrás de las implementaciones de RL más exitosas, como la aleatorización de dominios y el aprendizaje impulsado por la curiosidad.\u003c\/p\u003e\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\u003cp\u003eA medida que avance, explorará muchos algoritmos novedosos con implementaciones avanzadas utilizando bibliotecas de Python modernas como TensorFlow y el paquete RLlib de Ray. También descubrirá cómo implementar RL en áreas como la robótica, la gestión de la cadena de suministro, el marketing, las finanzas, las ciudades inteligentes y la ciberseguridad, al mismo tiempo que evalúa las compensaciones entre los diferentes enfoques y evita los errores comunes.\u003c\/p\u003e\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\u003cp\u003eAl final de este libro, habrá dominado cómo entrenar y desplegar sus propios agentes de RL para resolver problemas de RL.\u003c\/p\u003e\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eLo que aprenderá: \u003c\/strong\u003e\u003c\/p\u003e\u003cul\u003e\n\u003cli\u003eModelar y resolver problemas complejos de toma de decisiones secuenciales utilizando RL\u003c\/li\u003e\n\u003cli\u003eDesarrollar una comprensión sólida de cómo funcionan los métodos de RL de última generación\u003c\/li\u003e\n\u003cli\u003eUsar Python y TensorFlow para codificar algoritmos de RL desde cero\u003c\/li\u003e\n\u003cli\u003eParalelizar y escalar sus implementaciones de RL utilizando el paquete RLlib de Ray\u003c\/li\u003e\n\u003cli\u003eObtener un conocimiento profundo de una amplia variedad de temas de RL\u003c\/li\u003e\n\u003cli\u003eComprender las compensaciones entre los diferentes enfoques de RL\u003c\/li\u003e\n\u003cli\u003eDescubrir y abordar los desafíos de implementar RL en el mundo real\u003c\/li\u003e\n\u003c\/ul\u003e\u003cp\u003e\u003cbr\u003e\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePara quién es este libro: \u003c\/strong\u003e\u003c\/p\u003e\u003cp\u003eEste libro es para profesionales e investigadores expertos en aprendizaje automático que buscan centrarse en el aprendizaje por refuerzo práctico con Python mediante la implementación de conceptos avanzados de aprendizaje por refuerzo profundo en proyectos del mundo real. Los expertos en aprendizaje por refuerzo que quieran avanzar en sus conocimientos para abordar problemas de toma de decisiones secuenciales complejos y a gran escala también encontrarán este libro útil. Se requiere un conocimiento práctico de la programación de Python y el aprendizaje profundo, junto con experiencia previa en aprendizaje por refuerzo.\u003c\/p\u003e\u003cbr\u003e\u003cbr\u003e\u003cb\u003eAutor:\u003c\/b\u003e \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=AUTH-14197297\"\u003eEnes Bilgin\u003c\/a\u003e\u003cbr\u003e\u003cb\u003eEditorial:\u003c\/b\u003e Packt Publishing\u003cbr\u003e\u003cb\u003ePublicado:\u003c\/b\u003e 18\/12\/2020\u003cbr\u003e\u003cb\u003ePáginas:\u003c\/b\u003e 544\u003cbr\u003e\u003cb\u003eTipo de encuadernación:\u003c\/b\u003e Tapa blanda\u003cbr\u003e\u003cb\u003ePeso:\u003c\/b\u003e 2.04 libras\u003cbr\u003e\u003cb\u003eTamaño:\u003c\/b\u003e 9.25 alto x 7.50 ancho x 1.10 profundidad\u003cbr\u003e\u003cb\u003eISBN13:\u003c\/b\u003e 9781838644147\u003cbr\u003e\u003cb\u003eISBN10:\u003c\/b\u003e 1838644148\u003cbr\u003e\u003cb\u003eCategorías BISAC:\u003c\/b\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM004000\"\u003eInteligencia Artificial | General\u003c\/a\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM037000\"\u003eTeoría de Máquinas\u003c\/a\u003e\u003cbr\u003e- \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=CAT-COM\"\u003eInformática\u003c\/a\u003e | \u003ca href=\"https:\/\/sureshotbooks-com.myshopify.com\/search?type=product%2Carticle%2Cpage\u0026amp;q=BISAC-COM044000\"\u003eCiencia de Datos | Redes Neuronales\u003c\/a\u003e\u003cbr\u003e\u003cp\u003e\u003ci\u003eEste título no es retornable\u003c\/i\u003e\u003cbr\u003e\u003c\/p\u003e","brand":"Packt Publishing","offers":[{"title":"Default Title","offer_id":44495978823917,"sku":"9781838644147","price":65.32,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0550\/8097\/6621\/products\/img_a4d17707-f51a-4a49-9b20-9d74e99e939a.jpg?v=1700943931","url":"https:\/\/sureshotbooks.com\/es\/products\/mastering-reinforcement-learning-with-python-build-next-generation-self-learning-models-using-reinforcement-learning-techniques-and-best-practices-9781838644147","provider":"SureShot Books Publishing LLC","version":"1.0","type":"link"}