Einstieg in Deep Reinforcement Learning - Alexander Zai, Brandon Brown

- DE
- FR

E-Book (pdf) Einstieg in Deep Reinforcement Learning von Alexander Zai, Brandon Brown

Einstieg in Deep Reinforcement Learning Alexander Zai, Brandon Brown E-Books Deutsch

- Grundlegende Konzepte und Terminologie - Praktischer Einsatz mit PyTorch - Projekte umsetzen Dieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen. Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften oder dem Aufbau eines Spiel-Bots an. Aus dem Inhalt: - Strukturierungsprobleme als Markov-Entscheidungsprozesse - Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben - Anwendung von Verstärkungslernalgorithmen auf reale Probleme

Autorentext
Brandon Brown ist Arzt und Programmierer. Er bloggt über maschinelles Lernen und Datenanalyse auf outlace.com.

Klappentext

. Grundlegende Konzepte und Terminologie
. Praktischer Einsatz mit PyTorch
. Projekte umsetzen
Dieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.
Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften und sogar dem Aufbau eines Bot zum Spielen von Go an.
Aus dem Inhalt:
. Strukturierungsprobleme als Markov-Entscheidungsprozesse
. Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben
. Anwendung von Verstärkungslernalgorithmen auf reale Probleme

Zusammenfassung
•Grundlegende Konzepte und Terminologie
•Praktischer Einsatz mit PyTorch
•Projekte umsetzen
Dieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.
Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften und sogar dem Aufbau eines Bot zum Spielen von Go an.
Aus dem Inhalt:
•Strukturierungsprobleme als Markov-Entscheidungsprozesse
•Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben
•Anwendung von Verstärkungslernalgorithmen auf reale Probleme

Titel

Einstieg in Deep Reinforcement Learning

Untertitel

KI-Agenten mit Python und PyTorch programmieren

Autor

Alexander Zai

Brandon Brown

EAN

9783446466081

Format

E-Book (pdf)

Hersteller