動手做深度強化學習 (Deep Reinforcement Learning Hands-On)
Maxim Lapan 劉立民
- 出版商: 博碩文化
- 出版日期: 2019-11-11
- 定價: $690
- 售價: 7.8 折 $538
- 語言: 繁體中文
- 頁數: 528
- 裝訂: 平裝
- ISBN: 9864344307
- ISBN-13: 9789864344307
-
相關分類:
Reinforcement、化學 Chemistry
- 此書翻譯自: Deep Reinforcement Learning Hands-On
立即出貨 (庫存 < 5)
買這商品的人也買了...
-
$800$760 -
$450$405 -
$650$585 -
$1,000$790 -
$520$390 -
$500$395 -
$796強化學習, 2/e (Reinforcement Learning: An Introduction, 2/e)
-
$505白話強化學習與 PyTorch
-
$780$663 -
$650$514 -
$1,200$1,020 -
$680$530 -
$600$468 -
$560$476 -
$750$638 -
$690$587 -
$1,200$1,020 -
$580$493 -
$600$468 -
$1,000$850 -
$780$663 -
$520$406 -
$750$593 -
$1,000$790 -
$1,200$948
相關主題
商品描述
實作現代強化學習方法:深度Q網路、值迭代、策略梯度、TRPO、AlphaGo Zero…
強化學習(RL)的最新發展,結合使用深度學習(DL),在訓練代理人「像人類一樣地」解決複雜問題這方面,取得了前所未有的進步。Google團隊利用演算法來玩知名的Atari街機遊戲,並擊敗了它們,這可以說是讓RL領域發光發熱的重要推手,而世界各地的研究人員正馬不停蹄地研發各種新的想法。
《動手做深度強化學習》綜合性地介紹了最新的DL工具與它們的限制。讀者將評估包括交叉熵和策略梯度等方法,再把它們應用於真實的環境之中。本書使用Atari虛擬遊戲和一般家庭常玩的Connect4遊戲作為範例。除了介紹RL的基礎知識之外,作者亦詳述如何製作智慧型學習代理人等專業知識,讓讀者在面對一系列艱鉅的真實世界挑戰時,能游刃有餘。本書也會說明如何在網格世界(grid world)環境中實作Q學習、如何讓代理人學會買賣和交易股票,並學習聊天機器人是如何使用自然語言模型與人類對話的。
在這本書中,你將學到:
・ 了解結合了RL的DL內容,並實作複雜的DL模型
・ 學習RL的基礎:馬可夫決策過程
・ 評估RL方法,包括交叉熵、DQN、Actor-Critic、TRPO、PPO、DDPG、D4PG…等等
・ 了解如何在各種環境中處理離散行動空間和連續行動空間
・ 使用值迭代法來擊敗Atari街機遊戲
・ 建立屬於自己的OpenAI Gym環境,來訓練股票交易代理人
・ 使用AlphaGo Zero演算法,教你的代理人玩Connect4
・ 探索最新的深度RL研究主題,包括AI驅動的聊天機器人等等
下載範例程式檔案:
本書的程式碼是由 GitHub 託管,可以在如下網址找到:https://github.com/PacktPublishing/Deep-Reinforcement-Learning-Hands-On。
下載本書的彩色圖片:
我們還提供您一個PDF檔案,其中包含本書使用的彩色螢幕截圖/彩色圖表,可以在此下載:https://static.packt-cdn.com/downloads/DeepReinforcementLearningHandsOn_ColorImages.pdf。
作者簡介
Maxim Lapan是一位深度學習的愛好者,也是一位獨立研究人員。
他有15 年的工作經驗,身分是「軟體開發人員」與「系統架構師」,
參與的專案從低階的Linux 核心驅動程式開發,
到在數千台伺服器上執行的「分散式應用程式」的「設計」與「性能優化」。
憑藉著在大數據、機器學習以及大型平行分散式HPC 和非HPC 系統方面的豐富工作經驗,
他能用「簡單的句子」與「生動的範例」來解釋複雜事物的關鍵重點。
目前他最感興趣的領域是深度學習的實務應用,例如:「深度自然語言處理」和「深度強化學習」。
Maxim 和他的家人住在莫斯科,俄羅斯聯邦,他在以色列新創公司擔任資深NLP 開發人員。
目錄大綱
前言
第1章:什麼是強化學習?
第2章: OpenAI Gym
第3章:使用PyTorch來做深度學習
第4章:交叉熵法
第5章:表格學習與貝爾曼方程式
第6章:深度Q網路
第7章:DQN擴充
第8章:以強化學習法來做股票交易
第9章:策略梯度-另一個選項
第10章:行動-評論者方法
第11章:非同步優勢行動-評論者
第12章:以強化學習法訓練聊天機器人
第13章:Web導航
第14章:連續行動空間
第15章:信賴域策略-TRPO、PPO與ACKTR
第16章:強化學習中的黑箱優化
第17章:超越無模型方法-想像
第18章:AlphaGo Zero