Deep Reinforcement Learning
MITP (Verlag)
978-3-7475-0036-1 (ISBN)
- Praktische und umfassende Einführung in Reinforcement Learning von den grundlegenden Prinzipien bis hin zu den neuesten Algorithmen
- Die wichtigsten Methoden anschaulich erläutert: Deep-Q-Networks, Wertiteration, Policy Gradients, Trust Region Policy Optimization (TRPO), genetische Algorithmen und mehr
- Praktische Implementierung aller Methoden mit Beispielcode in Python
Reinforcement Learning ist ein Teilgebiet des Machine Learnings, das sich auf die anspruchsvolle Aufgabe konzentriert, optimales Verhalten in komplexen Umgebungen zu erlernen. Der Lernvorgang wird ausschließlich durch den Wert einer Belohnung und durch Beobachtung der Umgebung gesteuert.
In diesem Buch beschreibt Maxim Lapan alle wichtigen Methoden des Reinforcement Learnings praxisnah und anhand von Implementierungsbeispielen in Python. Auf diese Weise vermittelt er nicht nur die Grundlagen des Reinforcement Learnings, sondern zeigt auch anschaulich, wie die einzelnen Methoden in der Praxis eingesetzt werden.
Unter Verwendung der Bibliothek PyTorch können so beispielsweise Neuronale Netze für Atari-Spiele oder Vier Gewinnt trainiert werden. In umfangreicheren Implementierungsbeispielen zeigt Maxim Lapan darüber hinaus den Einsatz von Reinforcement Learning für den Handel mit Aktien und Natural Language Processing.
Es werden grundlegende Kenntnisse in den Bereichen Machine Learning und Deep Learning sowie ein sicherer Umgang mit Python vorausgesetzt.
Maxim Lapan ist Deep-Learning-Enthusiast und unabhängiger Forscher. Er besitzt langjährige Berufserfahrung in den Bereichen Big Data und Machine Learning und hat das Talent, komplizierte Dinge in einfacher Sprache und mit anschaulichen Beispielen zu erklären. Derzeit beschäftigt er sich insbesondere mit praktischen Anwendungen des Deep Learnings wie der Verarbeitung natürlicher Sprache und Deep Reinforcement Learning.
lt;p>»Alle Beispiele können auch ohne Zugang zu großer Rechenleistung umgesetzt werden. Unter Einsatz von Python und PyTorch ermöglicht der Autor so einen praktischen Einstieg in die Konzepte und Methoden des Reinforcement Learnings.« (SPS Magazin 12/2022)
»Das Buch wendet sich an Leser mit guten Kenntnissen in Machine Learning und Deep Learning sowie in der Sprache Python. [...] Der besondere Wert des Buchs auch für kleinere Bibliotheken liegt darin, dass die vielen Beispiele auch ohne Zugang zu sehr großen Rechenleistungen, z.B. schon auf leistungsstärkeren Workstations nachvollzogen werden können.« (ekz-Bibliotheksservice, 08/2020)
| Erscheinungsdatum | 29.06.2020 |
|---|---|
| Reihe/Serie | mitp Professional |
| Verlagsort | Frechen |
| Sprache | deutsch |
| Maße | 170 x 240 mm |
| Gewicht | 1 g |
| Einbandart | kartoniert |
| Themenwelt | Informatik ► Datenbanken ► Data Warehouse / Data Mining |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Schlagworte | Algorithmus • AlphaGo • alphago<div>google ai • alphago zero • Buch • Data Science • Deep learning • Deep Neural Network • deep neural network</div> • deep q network • Deep Reinforcement Learning • Google AI • Künstliche Intelligenz • Künstliche Intelligenz • machine learning • policy gradient • Python • Reinforcement Learning • trpo • Value Iteration |
| ISBN-10 | 3-7475-0036-6 / 3747500366 |
| ISBN-13 | 978-3-7475-0036-1 / 9783747500361 |
| Zustand | Neuware |
| Haben Sie eine Frage zum Produkt? |
aus dem Bereich
