TensorFlow 2 Reinforcement Learning Cookbook: Más de 50 recetas para ayudarle a construir, entrenar y desplegar agentes de aprendizaje para aplicaciones del mundo real

Opiniones de los lectores

El libro 'TensorFlow 2 Reinforcement Learning Cookbook' es una guía práctica centrada en la implementación de algoritmos de aprendizaje por refuerzo (RL) utilizando TensorFlow. Está diseñado para personas que ya están familiarizadas con TensorFlow y ofrece amplios ejemplos de código, pero carece de explicaciones teóricas exhaustivas. Aunque destaca en el entrenamiento distribuido y el despliegue de modelos de RL, lo que lo convierte en un recurso valioso para aplicaciones prácticas, puede no ser adecuado como primera introducción al aprendizaje por refuerzo.

⬤ Se centra en la aplicación práctica y en recetas prácticas.
⬤ Cubre una amplia gama de algoritmos de RL y sus aplicaciones en el mundo real.
⬤ Buena estructura modular con capítulos fáciles de seguir.
⬤ Énfasis específico en temas avanzados como el entrenamiento distribuido y el despliegue.
⬤ Introducción accesible y concisa a los conceptos clave de RL, adecuada para lectores con conocimientos de TensorFlow.

⬤ Muy dependiente del código con insuficiente base teórica.
⬤ Puede no ser adecuado para principiantes en el aprendizaje por refuerzo o TensorFlow.
⬤ Algunos usuarios encontraron que el libro carece de profundidad y claridad con respecto a los conceptos fundamentales.
⬤ Pocas referencias externas o explicaciones teóricas, lo que lo hace menos completo.

(basado en 6 opiniones de lectores)

Título original:

TensorFlow 2 Reinforcement Learning Cookbook: Over 50 recipes to help you build, train, and deploy learning agents for real-world applications

Contenido del libro:

Descubra recetas para desarrollar aplicaciones de IA para resolver una variedad de problemas empresariales del mundo real utilizando el aprendizaje por refuerzo.

Características principales

⬤ Desarrolle e implemente soluciones basadas en el aprendizaje de refuerzo profundo en tuberías de producción, productos y servicios.

⬤ Explore algoritmos populares de aprendizaje por refuerzo como Q-learning, SARSA y el método actor-crítico.

⬤ Personalizar y construir aplicaciones basadas en RL para realizar tareas del mundo real.

Descripción del libro

Con el aprendizaje de refuerzo profundo, puede construir agentes inteligentes, productos y servicios que pueden ir más allá de la visión o la percepción computacional para realizar acciones. TensorFlow 2.x es la última gran versión del marco de aprendizaje profundo más popular utilizado para desarrollar y entrenar redes neuronales profundas (DNN). Este libro contiene recetas fáciles de seguir para aprovechar TensorFlow 2. x para desarrollar aplicaciones de inteligencia artificial.

Comenzando con una introducción a los fundamentos del aprendizaje profundo por refuerzo y TensorFlow 2.x, el libro cubre OpenAI Gym, RL basado en modelos, RL sin modelos y cómo desarrollar agentes básicos. Descubrirás cómo implementar algoritmos avanzados de aprendizaje profundo por refuerzo como actor-crítico, gradientes de políticas deterministas profundas, redes Q profundas, optimización de políticas proximales y redes Q recurrentes profundas para entrenar a tus agentes de RL. A medida que avance, explorará las aplicaciones del aprendizaje por refuerzo mediante la creación de agentes de comercio de criptomonedas, agentes de comercio de acciones y agentes inteligentes para automatizar la realización de tareas. Por último, descubrirás cómo desplegar agentes de aprendizaje profundo por refuerzo en la nube y construir aplicaciones multiplataforma utilizando TensorFlow 2.x.

Al final de este libro TensorFlow, usted habrá adquirido una sólida comprensión de los algoritmos de aprendizaje profundo de refuerzo y sus implementaciones desde cero.

Lo que aprenderá

⬤ Construir agentes de aprendizaje profundo por refuerzo desde cero utilizando la nueva API de TensorFlow 2.x y Keras.

⬤ Implementar algoritmos de aprendizaje de refuerzo profundo del estado de la técnica utilizando código mínimo.

⬤ Construir, entrenar y empaquetar agentes RL profundos para el comercio de criptomonedas y acciones.

⬤ Despliegue agentes RL en la nube y en el perímetro para probarlos mediante la creación de aplicaciones de escritorio, web y móviles y servicios en la nube.

⬤ Acelerar el desarrollo de agentes mediante el entrenamiento distribuido de modelos DNN.

⬤ Explorar arquitecturas RL profundas distribuidas y descubrir oportunidades en AIaaS (AI as a Service).

A quién va dirigido este libro

.

El libro está dirigido a desarrolladores de aplicaciones de aprendizaje automático, investigadores de IA e IA aplicada, científicos de datos, profesionales del aprendizaje profundo y estudiantes con una comprensión básica de los conceptos del aprendizaje por refuerzo que deseen construir, entrenar y desplegar sus propios sistemas de aprendizaje por refuerzo desde cero utilizando TensorFlow 2.x.