Digitale Bibliothek Ostschweiz. Einstieg in Deep Reinforcement Learning

Seitenbereiche:

Einstieg in Deep Reinforcement Learning

Einstieg in Deep Reinforcement Learning

KI-Agenten mit Python und PyTorch programmieren

Autor*in: Zai, Alex; Brown, Brandon

Jahr: 2020

Sprache: Deutsch

Umfang: 400 S.

Verfügbar

Inhalt:
- Grundlegende Konzepte und Terminologie- Praktischer Einsatz mit PyTorch- Projekte umsetzenDieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften oder dem Aufbau eines Spiel-Bots an.Aus dem Inhalt:- Strukturierungsprobleme als Markov-Entscheidungsprozesse- Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben- Anwendung von Verstärkungslernalgorithmen auf reale Probleme
Biografie:
Alexander Zai ist Machine Learning Engineer bei Amazon AI und arbeitet an MXNet, das eine Reihe von AWS-Maschinenlernprodukten unterstützt. Er ist auch Mitbegründer von Codesmith, einem Bootcamp für Softwareentwicklung mit Niederlassungen in Los Angeles und New York. Brandon Brown ist Arzt und Programmierer. Er bloggt über maschinelles Lernen und Datenanalyse auf outlace.com.

Titel: Einstieg in Deep Reinforcement Learning

Autor*in: Zai, Alex; Brown, Brandon

Verlag: Carl Hanser Verlag GmbH & Co. KG

ISBN: 9783446466098

Kategorie: Sachmedien & Ratgeber, Wissenschaft & Technik, Informatik

Dateigröße: 27 MB

Format: ePub

3 Exemplare
3 Verfügbar
0 Vormerker

Max. Ausleihdauer: 21 Tage