【下载】深度强化学习实战书籍和代码《Deep Reinforcement Learning in Action》- 专知

【下载】深度强化学习实战书籍和代码《Deep Reinforcement Learning in Action》

【导读】亚马逊人工智能部门机器学习专家AlexanderZai最新撰写的深度强化学习实战书籍（预计2018年秋季出版）《Deep Reinforcement Learning in Action》介绍使用流行的PyTorch深度学习框架来构建网络，以探索从深度Q网络到策略梯度方法，再到进化算法的一系列强化学习算法。手把手教你构建深度强化学习项目，比如控制模拟机器人，自动化股票市场交易，甚至建造一个可以玩围棋的机器人。随书同时提供代码，可以让你动手测试改进。

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知），

后台回复“DRLA” 就可以获取深度强化学习实战 第一章 pdf下载~
后台回复“DRLA” 就可以获取深度强化学习实战代码下载~

▌图书介绍

人类从反馈中不断学习得最优——对于积极的结果我们会被鼓励去采取行动，但是对于消极结果我们被阻止采取行动。这种强化过程可以应用于计算机程序，使它们能够解决经典编程无法解决的更复杂的问题。《Deep Reinforcement Learning in Action》这本书会向您介绍深度强化学习的基本概念和术语，以及将其实施到您自己的项目中所需的实用技能和技巧。

关于该技术

深度强化学习是机器学习的一种形式，其中人工智能体从自身的原始感官输入中学习最优行为。系统感知环境，解释其过去决策的结果，并利用这些信息来优化其行为，以获得最大的长期回报。深度强化学习这一技术为AlphaGo的成功做出了杰出贡献，但它所能做的并不仅仅局限于这些!更多令人兴奋的应用程序等待被发现。让我们开始吧。

关于该书

《Deep Reinforcement Learning in Action》将会教你如何根据环境的直接反馈对智能体进行编程和学习。您将使用流行的PyTorch深度学习框架来构建网络，以探索从深度Q网络到策略梯度方法，再到进化算法的一系列强化学习算法。当您完成学习的时候，您就可以把你所学的知识应用到实际的项目中，比如控制模拟机器人，自动化股票市场交易，甚至构建一个可以玩围棋的机器人。

书中介绍了什么

将问题结构化为马尔可夫决策过程
常用的算法，如深度Q网络，策略梯度方法
进化算法和驱动它们的直觉知识
将强化学习算法应用于实际问题

关于读者

读者将需要具备中级Python的技能和对深度学习有基本的理解。

关于作者

亚历山大•扎伊(Alexander Zai)是亚马逊人工智能公司(Amazon AI)的一名机器学习工程师，致力于MXNet，为一系列AWS机器学习产品提供支持。他还是Codesmith的联合创始人，Codesmith是一家软件工程训练营，在洛杉矶和纽约设有分部。布兰登•布朗（Brandon Brown）是一名UCSF医学院学生，同时也是加州大学洛杉矶分校的数据科学家。过去三年来，他在outlace.com上发表了大量有关机器学习的博文。

参考：

https://www.manning.com/books/deep-reinforcement-learning-in-action

https://github.com/DeepReinforcementLearning/DeepReinforcementLearningInAction

▌详细目录

▌第一部分基础