用Python實作強化學習｜使用TensorFlow與OpenAI Gym(電子書)
ମଇ 2019 · 碁峰資訊股份有限公司
2.0star
2ଟି ସମୀକ୍ଷା
ଇବୁକ୍
328
ପୃଷ୍ଠାଗୁଡ଼ିକ
ଏହି ଇବୁକ୍ ବିଷୟରେ
強化學習可說是能自我演進的機器學習，能帶領我們達到真正的人工智慧。本書好讀又容易上手，運用了大量Python範例來從頭解釋所有東西。
本書從強化學習的簡介開始，接著是OpenAI Gym與TensorFlow。您會認識各種RL演算法與重要觀念，例如Markov決策過程、蒙地卡羅法與動態規劃，包括價值迭代與策略迭代。本書提供了非常豐富的範例幫助您認識各種深度強化學習演算法，例如競爭DQN、DRQN、A3C、PPO與TRPO。您還會學到想像增強代理、透過人類偏好來學習、DQfD、HER以及更多強化學習的最新發展。
本書精彩內容：
．理解強化學習方法、演算法與重要元素的相關基礎
．使用OpenAI Gym與TensorFlow來訓練代理
．理解Markov決策過程、Bellman最佳化與TD學習
．運用多種演算法來解決多臂式吃角子老虎問題
．熟悉各種深度學習演算法，如RNN、LSTM、CNN與其應用
．使用DRQN演算法來建置智能代理來玩毀滅戰士遊戲
．使用DDPG來教導代理來玩月球冒險遊戲
．使用競爭DQN來訓練代理來玩賽車遊戲
#碁峰資訊 GOTOP
ମୂଲ୍ୟାଙ୍କନ ଓ ସମୀକ୍ଷା
2.0
2ଟି ସମୀକ୍ଷା
ଏହି ଇବୁକ୍କୁ ମୂଲ୍ୟାଙ୍କନ କରନ୍ତୁ
ଆପଣ କଣ ଭାବୁଛନ୍ତି ତାହା ଆମକୁ ଜଣାନ୍ତୁ।
ପଢ଼ିବା ପାଇଁ ତଥ୍ୟ
ସ୍ମାର୍ଟଫୋନ ଓ ଟାବଲେଟ
Google Play Books ଆପ୍କୁ, Android ଓ iPad/iPhone ପାଇଁ ଇନଷ୍ଟଲ୍ କରନ୍ତୁ। ଏହା ସ୍ଵଚାଳିତ ଭାବେ ଆପଣଙ୍କ ଆକାଉଣ୍ଟରେ ସିଙ୍କ ହୋଇଯିବ ଏବଂ ଆପଣ ଯେଉଁଠି ଥାଆନ୍ତୁ ନା କାହିଁକି ଆନଲାଇନ୍ କିମ୍ବା ଅଫଲାଇନ୍ରେ ପଢ଼ିବା ପାଇଁ ଅନୁମତି ଦେବ।
ଲାପଟପ ଓ କମ୍ପ୍ୟୁଟର
ନିଜର କମ୍ପ୍ୟୁଟର୍ରେ ଥିବା ୱେବ୍ ବ୍ରାଉଜର୍କୁ ବ୍ୟବହାର କରି Google Playରୁ କିଣିଥିବା ଅଡିଓବୁକ୍କୁ ଆପଣ ଶୁଣିପାରିବେ।
ଇ-ରିଡର୍ ଓ ଅନ୍ୟ ଡିଭାଇସ୍ଗୁଡ଼ିକ
Kobo eReaders ପରି e-ink ଡିଭାଇସଗୁଡ଼ିକରେ ପଢ଼ିବା ପାଇଁ, ଆପଣଙ୍କୁ ଏକ ଫାଇଲ ଡାଉନଲୋଡ କରି ଏହାକୁ ଆପଣଙ୍କ ଡିଭାଇସକୁ ଟ୍ରାନ୍ସଫର କରିବାକୁ ହେବ। ସମର୍ଥିତ eReadersକୁ ଫାଇଲଗୁଡ଼ିକ ଟ୍ରାନ୍ସଫର କରିବା ପାଇଁ ସହାୟତା କେନ୍ଦ୍ରରେ ଥିବା ସବିଶେଷ ନିର୍ଦ୍ଦେଶାବଳୀକୁ ଅନୁସରଣ କରନ୍ତୁ।
