Aprendizaje por refuerzo profundo con Python: Con Pytorch, Tensorflow y Openai Gym

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 12 votos.

Título original:

Deep Reinforcement Learning with Python: With Pytorch, Tensorflow and Openai Gym

Contenido del libro:

El aprendizaje profundo por refuerzo es una disciplina de rápido crecimiento que está teniendo un impacto significativo en los campos de los vehículos autónomos, la robótica, la sanidad, las finanzas y muchos más. Este libro cubre el aprendizaje profundo por refuerzo utilizando modelos de aprendizaje profundo-q y de gradiente de políticas con ejercicios de codificación.

Comenzará repasando los procesos de decisión de Markov, las ecuaciones de Bellman y la programación dinámica, que constituyen los conceptos básicos y la base del aprendizaje profundo por refuerzo. A continuación, estudiará el aprendizaje sin modelos, seguido de la aproximación de funciones mediante redes neuronales y aprendizaje profundo. A continuación, se estudiarán varios algoritmos de aprendizaje profundo por refuerzo, como las redes q profundas, varios tipos de métodos actor-críticos y otros métodos basados en políticas.

También verás el dilema exploración vs explotación, una consideración clave en los algoritmos de aprendizaje por refuerzo, junto con la búsqueda en árbol Monte Carlo (MCTS), que jugó un papel clave en el éxito de AlphaGo. Los últimos capítulos concluyen con la implementación del aprendizaje por refuerzo profundo utilizando marcos de aprendizaje profundo populares como TensorFlow y PyTorch. Al final, comprenderás el aprendizaje profundo por refuerzo junto con la implementación de redes q profundas y modelos de gradiente de políticas con TensorFlow, PyTorch y Open AI Gym.

Qué aprenderá

⬤ Examinar el aprendizaje profundo de refuerzo.

⬤ Implementar algoritmos de aprendizaje profundo utilizando el entorno Gym de OpenAI.

⬤ Codificar sus propios agentes de juego para Atari utilizando algoritmos de actor-crítico.

⬤ Aplique las mejores prácticas para la construcción de modelos y el entrenamiento de algoritmos.

Para quién es este libro

Desarrolladores y arquitectos de aprendizaje automático que desean mantenerse a la vanguardia en el campo de la IA y el aprendizaje profundo.