КаталогКниг.РФ Глубокое обучение с подкреплением. Теория и практика на языке Python (Грессер Лаура, Кенг Ван Лун) ; Питер, 2022
от 615 р. до 2800 р.
Автор(ы): Грессер Лаура; Кенг Ван Лун;
Издатель: Питер
ISBN: 978-5-4461-1699-7
ID: SKU1064361
Сравнить цены
Цена от 615 р. до 2800 р. в 9 магазинах
| Магазин | Цена | Наличие |
|---|---|---|
| Мегамаркет 5/5 | 2255 р. 3974 р. | |
| Яндекс.Маркет 5/5 | 2059 р. 3974 р. | |
| ЛитРес 5/5 | 615 р. 769 р. электронная книга | скачать фрагмент | |
| Питер 5/5 | 2112 р. | |
| Лабиринт 5/5 | 2540 р. 3256 р. | наличие уточняйте 21.02.2024 |
| Читай-город 5/5 | 2599 р. | наличие уточняйте 02.12.2023 |
| МАЙШОП 5/5 | 1612 р. 2686 р. | наличие уточняйте 21.02.2024 |
| РЕСПУБЛИКА | 2800 р. | наличие уточняйте 31.08.2023 |
| OZON | 1521 р. | наличие уточняйте 03.01.2024 |
| AliExpress 5/5 | ||
Описание
Глубокое обучение с подкреплением (глубокое RL) сочетает в себе два подхода к машинному обучению. В ходе такого обучения виртуальные агенты учатся решать последовательные задачи о принятии решений. За последнее десятилетие было много неординарных достижений в этой области - от однопользовательских и многопользовательских игр, таких как го и видеоигры Atari и Dota 2, до робототехники.
Эта книга - введение в глубокое обучение с подкреплением, уникально комбинирующее теорию и практику. Авторы начинают повествование с базовых сведений, затем подробно объясняют теорию алгоритмов глубокого RL, демонстрируют их реализации на примере программной библиотеки SLM Lab и напоследок описывают практические аспекты использования глубокого RL.
Руководство идеально подойдет как для студентов, изучающих компьютерные науки, так и для разработчиков программного обеспечения, которые знакомы с основными принципами машинного обучения и знают Python.
Эта книга - введение в глубокое обучение с подкреплением, уникально комбинирующее теорию и практику. Авторы начинают повествование с базовых сведений, затем подробно объясняют теорию алгоритмов глубокого RL, демонстрируют их реализации на примере программной библиотеки SLM Lab и напоследок описывают практические аспекты использования глубокого RL.
Руководство идеально подойдет как для студентов, изучающих компьютерные науки, так и для разработчиков программного обеспечения, которые знакомы с основными принципами машинного обучения и знают Python.
Смотри также Характеристики.
Яндекс.Маркет
Содержание
Предисловие
Введение
Благодарности
Об авторах
От издательства
Глава 1. Введение в обучение с подкреплением
Часть I. Алгоритмы, основанные на стратегиях и
полезностях
Глава 2. REINFORCE
Глава 3. SARSA
Глава 4. Глубокие Q-сети
Глава 5. Улучшение DQN
Часть II. Комбинированные методы
Глава 6. Метод актора-критика с преимуществом
(А2С)
Глава 7. Оптимизация ближайшей стратегии
Глава 8. Методы параллелизации
Глава 9. Сравнительный анализ алгоритмов
Часть III. Практика
Глава 10. Начало работы с глубоким RL
Глава 11. SLM Lab
Глава 12. Архитектура сетей
Глава 13. Аппаратное обеспечение
Часть IV. Проектирование сред
Глава 14. Состояния
Глава 15. Действия
Глава 16. Вознаграждения
Глава 17. Функция переходов
Заключение
Приложения
Приложение А. История глубокого обучения с
подкреплением
Приложение Б. Примеры сред
Список используемых источников
Введение
Благодарности
Об авторах
От издательства
Глава 1. Введение в обучение с подкреплением
Часть I. Алгоритмы, основанные на стратегиях и
полезностях
Глава 2. REINFORCE
Глава 3. SARSA
Глава 4. Глубокие Q-сети
Глава 5. Улучшение DQN
Часть II. Комбинированные методы
Глава 6. Метод актора-критика с преимуществом
(А2С)
Глава 7. Оптимизация ближайшей стратегии
Глава 8. Методы параллелизации
Глава 9. Сравнительный анализ алгоритмов
Часть III. Практика
Глава 10. Начало работы с глубоким RL
Глава 11. SLM Lab
Глава 12. Архитектура сетей
Глава 13. Аппаратное обеспечение
Часть IV. Проектирование сред
Глава 14. Состояния
Глава 15. Действия
Глава 16. Вознаграждения
Глава 17. Функция переходов
Заключение
Приложения
Приложение А. История глубокого обучения с
подкреплением
Приложение Б. Примеры сред
Список используемых источников
Видео обзоры (3)
О книге
| ISBN | 978-5-4461-1699-7 |
| Автор(ы) | Грессер Лаура, Кенг Ван Лун |
| Переплет | Мягкий переплёт |
| Год издания | 2022 |
| Возрастные ограничения | 16 |
| Кол-во страниц | 416 |
| Серия | Библиотека программиста |
| Издатель | Питер |
| Издательство | ООО "Прогресс книга" |
| Формат | 70х100/16 |
| Автор | Грессер Лаура, Кенг Ван Лун |
| Количество книг | 1 |
| Тип обложки | мягкая |
| Количество страниц | 416 |
| Вес | 648 |
| Возрастное ограничение | 16+ |
| Язык издания | Русский |
| Размеры | 70x100/16 |
| Обложка | мягкая обложка |
Отзывы (1)
-
Ценитель классики
- 12 января 20235/5
Книга в мягкой обложке, с черно-белыми иллюстрациями (это минус), с белыми слегка просвечивающими листами. Шрифт удобный для чтения. Книгу рекомендую! Примеры страниц и содержание прикрепляю на фотографиях
0 0
Добавить отзыв
4 ms.
Книги где авторы: Грессер Лаура, Кенг Ван Лун
Машинное обучение. Анализ данных - издательство "Питер"
Категория 492 р. - 738 р.
Программирование - издательство "Питер" »
2 ms.
Машинное обучение. Анализ данных
Категория 492 р. - 738 р.
-
-
-
-
- update
