强化学习是机器学习的一个热门领域,从基础开始: 发现代理和环境如何演变,然后获得它们之间如何相互关联的清晰联系。然后你将学习与强化学习相关的理论,并了解建立强化学习过程的概念。

这本书讨论了对强化学习很重要的算法实现,包括马尔可夫决策过程和半马尔可夫决策过程。下一节将向您展示如何在查看Open AI Gym之前开始使用Open AI。然后您将学习Python中关于增强学习方面的群体智能。

本书的最后一部分从TensorFlow环境开始,并给出了如何将强化学习应用于TensorFlow的概述。还有Keras,一个可以用于强化学习的框架。最后,您将深入研究谷歌的深层思想,并看到可以使用强化学习的场景。

你将学习

  • 吸收强化学习过程的核心概念
  • 使用深度学习和人工智能的高级主题
  • 与Open AI Gym、Open AI和Python一起工作
  • 利用TensorFlow和Keras使用Python进行强化学习

这本书是给谁看的

数据科学家、机器学习和深度学习专业人员、希望适应和学习强化学习的开发人员。

成为VIP会员查看完整内容
136

相关内容

强化学习(RL)是机器学习的一个领域,与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外,强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于,不需要呈现带标签的输入/输出对,也不需要显式纠正次优动作。相反,重点是在探索(未知领域)和利用(当前知识)之间找到平衡。 该环境通常以马尔可夫决策过程(MDP)的形式陈述,因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于,后者不假设MDP的确切数学模型,并且针对无法采用精确方法的大型MDP。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
330+阅读 · 2020年3月17日
【新书】Pro 机器学习算法Python实现,379页pdf
专知会员服务
195+阅读 · 2020年2月11日
基于TensorFlow和Keras的图像识别
Python程序员
16+阅读 · 2019年6月24日
植树节,送 25 本AI & NLP & Python相关书籍
AINLP
20+阅读 · 2019年3月12日
强化学习的未来——第一部分
AI研习社
9+阅读 · 2019年1月2日
快使用TensorFlow,哼哼哈嘿
图灵教育
5+阅读 · 2018年3月16日
Seq2seq强化学习实战 (Pytorch, Tensorflow, Theano)
专知
15+阅读 · 2018年1月16日
详解TensorForce: 基于TensorFlow建立强化学习API
机械鸡
5+阅读 · 2017年7月22日
Image Captioning based on Deep Reinforcement Learning
Arxiv
21+阅读 · 2018年8月30日
Arxiv
19+阅读 · 2018年3月28日
Arxiv
12+阅读 · 2018年1月20日
VIP会员
相关VIP内容
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
330+阅读 · 2020年3月17日
【新书】Pro 机器学习算法Python实现,379页pdf
专知会员服务
195+阅读 · 2020年2月11日
微信扫码咨询专知VIP会员