Python 強化學習實戰 : 應用 OpenAI Gym 和 TensorFlow 精通強化學習和深度強化學習
蘇達桑.拉維尚迪蘭
- 出版商: 機械工業
- 出版日期: 2018-12-14
- 定價: $414
- 售價: 8.5 折 $352
- 語言: 簡體中文
- 頁數: 203
- 裝訂: 平裝
- ISBN: 7111612884
- ISBN-13: 9787111612889
- 
    相關分類:
    
      Reinforcement、DeepLearning、TensorFlow、Reinforcement、TensorFlow
 
立即出貨(限量) (庫存=1)
買這商品的人也買了...
- 
                
                   $796深度學習 $796深度學習
- 
                
                   $403機器學習之路 : Caffe、Keras、scikit-learn 實戰 $403機器學習之路 : Caffe、Keras、scikit-learn 實戰
- 
                
                   演算法圖鑑:26種演算法 + 7種資料結構,人工智慧、數據分析、邏輯思考的原理和應用 step by step 全圖解 演算法圖鑑:26種演算法 + 7種資料結構,人工智慧、數據分析、邏輯思考的原理和應用 step by step 全圖解$450$356
- 
                
                   $403深入淺出強化學習 : 原理入門 $403深入淺出強化學習 : 原理入門
- 
                
                   $354scikit learn機器學習:常用算法原理及編程實戰 $354scikit learn機器學習:常用算法原理及編程實戰
- 
                
                   $474深入理解 TensorFlow 架構設計與實現原理 $474深入理解 TensorFlow 架構設計與實現原理
- 
                
                   強化學習精要:核心算法與 TensorFlow 實現 強化學習精要:核心算法與 TensorFlow 實現$480$456
- 
                
                   最新人工智慧應用:用強化學習快速上手 AI 最新人工智慧應用:用強化學習快速上手 AI$580$493
- 
                
                   比 Tensorflow 還精美的人工智慧套件:PyTorch 讓你愛不釋手 比 Tensorflow 還精美的人工智慧套件:PyTorch 讓你愛不釋手$620$527
- 
                
                   $403Python 深度學習實戰:75個有關神經網絡建模、強化學習與遷移學習的解決方案 (Python Deep Learning Cookbook: Over 75 practical recipes on neural network modeling, reinforcement learning, and transfer learning using Python) $403Python 深度學習實戰:75個有關神經網絡建模、強化學習與遷移學習的解決方案 (Python Deep Learning Cookbook: Over 75 practical recipes on neural network modeling, reinforcement learning, and transfer learning using Python)
- 
                
                   $607強化學習 $607強化學習
- 
                
                   白話深度學習與 TensorFlow 白話深度學習與 TensorFlow$480$379
- 
                
                   Hands-On Intelligent Agents with OpenAI Gym: Your guide to developing AI agents using deep reinforcement learning Hands-On Intelligent Agents with OpenAI Gym: Your guide to developing AI agents using deep reinforcement learning$1,680$1,596
- 
                
                   $403Python 深度學習:基於 TensorFlow $403Python 深度學習:基於 TensorFlow
- 
                
                   實用深度學習 實用深度學習$360$353
- 
                
                   $454強化學習實戰:強化學習在阿裡的技術演進和業務創新 匯集了阿裡巴巴一線算法工程師在強化學習應用方面的經驗和心得。 $454強化學習實戰:強化學習在阿裡的技術演進和業務創新 匯集了阿裡巴巴一線算法工程師在強化學習應用方面的經驗和心得。
- 
                
                   深度學習入門教室:6堂基礎課程 + Python 實作練習,Deep Learning、人工智慧、機器學習的理論和應用全圖解 深度學習入門教室:6堂基礎課程 + Python 實作練習,Deep Learning、人工智慧、機器學習的理論和應用全圖解$550$495
- 
                
                   用 Python 實作強化學習|使用 TensorFlow 與 OpenAI Gym (Hands-On Reinforcement Learning with Python) 用 Python 實作強化學習|使用 TensorFlow 與 OpenAI Gym (Hands-On Reinforcement Learning with Python)$520$442
- 
                
                   實戰人工智慧之深度強化學習|使用 PyTorch x Python 實戰人工智慧之深度強化學習|使用 PyTorch x Python$500$425
- 
                
                   $653深度學習私房菜:跟著案例學 TensorFlow $653深度學習私房菜:跟著案例學 TensorFlow
- 
                
                   $505TensorFlow 與捲積神經網絡從算法入門到項目實戰 $505TensorFlow 與捲積神經網絡從算法入門到項目實戰
- 
                
                   $857強化學習, 2/e (Reinforcement Learning: An Introduction, 2/e) $857強化學習, 2/e (Reinforcement Learning: An Introduction, 2/e)
- 
                
                   $1,260Applied Reinforcement Learning with Python: With Openai Gym, Tensorflow, and Keras $1,260Applied Reinforcement Learning with Python: With Openai Gym, Tensorflow, and Keras
- 
                
                   $505白話強化學習與 PyTorch $505白話強化學習與 PyTorch
- 
                
                   動手做深度強化學習 (Deep Reinforcement Learning Hands-On) 動手做深度強化學習 (Deep Reinforcement Learning Hands-On)$690$538
商品描述
強化學習是一種重要的機器學習方法,在智能體及分析預測等領域有許多應用。本書共13章,主要包括強化學習的各種要素,即智能體、環境、策略和模型以及相應平臺和庫;Anaconda、Docker、OpenAIGym、Universe和TensorFlow等安裝配置;馬爾可夫鏈和馬爾可夫過程及其與強化學習問題建模之間的關系,動態規劃的基本概念;蒙特卡羅方法以及不同類型的蒙特卡羅預測和控制方法;時間差分學習、預測、離線/在線策略控制等;多臂賭博機問題以及相關的各種探索策略方法;深度學習的各種基本概念和RNN、LSTM、CNN等神經網絡;深度強化學習算法DQN,以及雙DQN和對抗網絡體系結構等改進架構;DRQN以及DARQN;A3C網絡的基本工作原理及架構;策略梯度和優化問題;*後介紹了強化學習的*新進展以及未來發展。

 
    
 
     
     
     
     
     
     
    