模拟和合成是未来人工智能和机器学习的核心部分。想想看: 程序员、数据科学家和机器学习工程师可以在没有汽车的情况下创造出自动驾驶汽车的大脑。您不需要使用来自真实世界的信息,而是可以使用模拟来合成人工数据来训练传统的机器学习模型。这仅仅是个开始。

通过这本实用的书,您将探索基于模拟和综合的机器学习和人工智能的可能性,专注于深度强化学习和模仿学习技术。AI和ML越来越受数据驱动,而模拟是释放它们全部潜力的强大而吸引人的方式。

https://www.oreilly.com/library/view/practical-simulations-for/9781492089919/

你将学习如何:

使用Unity引擎模拟设计一种解决ML和AI问题的方法 使用游戏引擎合成图像作为训练数据 创建模拟环境,设计用于训练深度强化学习和模仿学习模型 使用和应用高效的通用算法,以模拟为基础的ML,如近端策略优化 使用不同的方法训练各种ML模型 使ML工具与行业标准的游戏开发工具一起工作,使用PyTorch和Unity ML- agents和Perception工具包。

本书分为三个部分。

第一部分,“模拟和合成的基础”,介绍了模拟和合成的主题,并使您在轻轻地基于每个简单的活动。

第二部分,“为了乐趣和利润而模拟世界”,致力于模拟。这是书中最重要的部分,因为模拟是一个比综合大得多的主题。在本部分中,我们将几乎一步一步地完成一系列模拟活动,并在此过程中构建额外的概念和方法。在本部分结束时,您将通过模拟了解到许多不同的路径。

第三部分,“合成数据,真实结果”,致力于合成。这是一个比模拟小得多的部分,但仍然至关重要。您将学习使用Unity创建合成数据的基础知识,到最后,您将具备基本的任何类型的合成您可能需要。

成为VIP会员查看完整内容
68

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

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
【2022新书】强化学习工业应用,408页pdf
专知会员服务
148+阅读 · 2月3日
【新书】机器学习算法,模型与应用,154页pdf
专知会员服务
58+阅读 · 1月20日
【2021新书】机器学习模型生产部署实践,161页pdf,
专知会员服务
78+阅读 · 2021年6月11日
【2021新书】Python流数据实用机器学习,127页pdf
专知会员服务
58+阅读 · 2021年5月23日
【2021新书】深度学习计算机视觉,320页pdf
专知会员服务
142+阅读 · 2021年5月20日
【2020新书】构建机器学习应用:从想法到产品,42页pdf
专知会员服务
65+阅读 · 2020年12月1日
【2022新书】强化学习工业应用
专知
4+阅读 · 2月3日
【Manning新书】TensorFlow机器学习,第二版
专知
1+阅读 · 2021年11月14日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2008年12月31日
Arxiv
0+阅读 · 9月23日
Arxiv
10+阅读 · 2020年2月6日
AutoML: A Survey of the State-of-the-Art
Arxiv
56+阅读 · 2019年8月14日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员