YOULIBR - Глубокое обучение с подкреплением теория и практика на языке Python РусскийГлубокое обучение с подкреплением (глубокое RL) сочетает в себе два подхода к машинному обучению. В ходе такого обучения виртуальные агенты учатся решать последовательные задачи о принятии решений. За последнее десятилетие было много неординарных достижений в этой области — от однопользовательских и многопользовательских игр, таких как го и видеоигры Atari и Dota 2, до робототехники.Эта книга — введение в глубокое обучение с подкреплением, уникально комбинирующее теорию и практику. ы начинают повествование с базовых сведений, затем подробно объясняют теорию алгоритмов глубокого RL, демонстрируют их реализации на примере программной библиотеки SLM Lab и напоследок описывают практические аспекты использования глубокого RL.Руководство идеально подойдет как для студентов, изучающих компьютерные науки, так и для разработчиков программного обеспечения, которые знакомы с основными принципами машинного обучения и знают Python.</td></tr><tr><td bgcolor="#FDFDFD" align="left"> PDF 2022 BOOKS PROGRAMMING glubokoe-obuchenie-s-podkrepleniem-teoriya-i-praktika-na-yazyke-python

BOOKS - PROGRAMMING - Глубокое обучение с подкреплением теория и практика на языке Py...

Глубокое обучение с подкреплением теория и практика на языке Python - РусскийГлубокое обучение с подкреплением (глубокое RL) сочетает в себе два подхода к машинному обучению. В ходе такого обучения виртуальные агенты учатся решать последовательные задачи о принятии решений. За последнее десятилетие было много неординарных достижений в этой области — от однопользовательских и многопользовательских игр, таких как го и видеоигры Atari и Dota 2, до робототехники.Эта книга — введение в глубокое обучение с подкреплением, уникально комбинирующее теорию и практику. ы начинают повествование с базовых сведений, затем подробно объясняют теорию алгоритмов глубокого RL, демонстрируют их реализации на примере программной библиотеки SLM Lab и напоследок описывают практические аспекты использования глубокого RL.Руководство идеально подойдет как для студентов, изучающих компьютерные науки, так и для разработчиков программного обеспечения, которые знакомы с основными принципами машинного обучения и знают Python.</td></tr><tr><td bgcolor="#FDFDFD" align="left"> 2022 PDF Питep BOOKS PROGRAMMING

US $7.56

987445

Глубокое обучение с подкреплением теория и практика на языке Python

Author: РусскийГлубокое обучение с подкреплением (глубокое RL) сочетает в себе два подхода к машинному обучению. В ходе такого обучения виртуальные агенты учатся решать последовательные задачи о принятии решений. За последнее десятилетие было много неординарных достижений в этой области — от однопользовательских и многопользовательских игр, таких как го и видеоигры Atari и Dota 2, до робототехники.Эта книга — введение в глубокое обучение с подкреплением, уникально комбинирующее теорию и практику. ы начинают повествование с базовых сведений, затем подробно объясняют теорию алгоритмов глубокого RL, демонстрируют их реализации на примере программной библиотеки SLM Lab и напоследок описывают практические аспекты использования глубокого RL.Руководство идеально подойдет как для студентов, изучающих компьютерные науки, так и для разработчиков программного обеспечения, которые знакомы с основными принципами машинного обучения и знают Python.td>tr>
Year: 2022
Format: PDF
File size: 10 MB
Language: RU

Deep Reinforcement Learning (Deep RL) combines two approaches to machine learning. In this training, virtual agents learn to solve sequential decision-making problems. Over the past decade, there have been many extraordinary achievements in this area - from single-player and multiplayer games such as go and video games Atari and Dota 2, to robotics. This book is an introduction to deep learning with reinforcement, uniquely combining theory and practice. The authors begin the story with basic information, then explain in detail the theory of deep RL algorithms, demonstrate their implementation using the SLM Lab software library as an example, and finally describe the practical aspects of using deep RL. The guide is ideal for both computer science students and software developers who are familiar with the basic principles of machine learning and know Python.

You may also be interested in: