Statistical Reinforcement Learning: Enfoques modernos del aprendizaje automático

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 4 votos.

Título original:

Statistical Reinforcement Learning: Modern Machine Learning Approaches

Contenido del libro:

El aprendizaje por refuerzo es un marco matemático para desarrollar agentes informáticos capaces de aprender un comportamiento óptimo relacionando señales genéricas de recompensa con sus acciones pasadas. Con numerosas aplicaciones de éxito en inteligencia empresarial, control de plantas y juegos, el marco del RL es ideal para la toma de decisiones en entornos desconocidos con grandes cantidades de datos.

Proporcionando una introducción actualizada y accesible al campo, Statistical Reinforcement Learning: Modern Machine Learning Approaches presenta conceptos fundamentales y algoritmos prácticos del aprendizaje de refuerzo estadístico desde el punto de vista del aprendizaje automático moderno. Cubre varios tipos de enfoques de RL, incluyendo enfoques basados en modelos y sin modelos, iteración de políticas y métodos de búsqueda de políticas.

⬤ Cubre la gama de algoritmos de aprendizaje por refuerzo desde una perspectiva moderna.

⬤ Expone los problemas de optimización asociados para cada escenario de aprendizaje por refuerzo cubierto.

⬤ Proporciona un tratamiento estadístico de los algoritmos de aprendizaje por refuerzo que invita a la reflexión.

El libro abarca enfoques introducidos recientemente en los campos de la minería de datos y el aprendizaje automático para proporcionar un puente sistemático entre la RL y los investigadores de minería de datos/aprendizaje automático. Presenta resultados de vanguardia, como la reducción de la dimensionalidad en la RL y la RL sensible al riesgo. Se incluyen numerosos ejemplos ilustrativos para ayudar a los lectores a comprender la intuición y la utilidad de las técnicas de aprendizaje por refuerzo.

Este libro es un recurso ideal para estudiantes de posgrado de programas de informática y estadística aplicada, así como para investigadores e ingenieros de campos afines.