Глубокое 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. Авторы 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.

зарубежная компьютерная литература

программирование

искусственный интеллект

анализ данных

нейросети / нейронные сети

машинное обучение

язык Python

глубокое обучение

Глубокое обучение с подкреплением. Теория и практика на языке Python

Карьера программиста

Грокаем алгоритмы

UML 2.0. Объектно-ориентированное моделирование и разработка

HTML5 и CSS3. Веб-разработка по стандартам нового поколения

Мифический человеко-месяц, или Как создаются программные системы

Библиотека программиста (Питер)

biblioteka-programmista-piter

Как устроен Python. Гид для разработчиков, программистов и интересующихся (pdf+epub)

Грокаем алгоритмы искусcтвенного интеллекта (pdf + epub)

Экстремальное программирование. Разработка через тестирование