Applied Reinforcement Learning with Python: S Openai Gym, Tensorflow a Kerasem.

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 10 hlasů.

Původní název:

Applied Reinforcement Learning with Python: With Openai Gym, Tensorflow, and Keras

Obsah knihy:

Kapitola 1: Úvod do posilování učeníCíl kapitoly: Seznámit čtenáře s historií tohoto oboru, jeho současnými aplikacemi a také obecně probrat osnovu textu a to, co se čtenář může naučit.Počet stran 10 Podtéma1. Co je to posilování učení? 2. Historie posilovacího učení 3. Aplikace posilovacího učení.

Kapitola 2: Algoritmy posilovacího učeníCíl kapitoly: Vytvořit u čtenáře představu o tom, jak algoritmy posilovacího učení fungují a jak se liší od základních metod ML/DL. Praktické příklady, které budou uvedeny v této kapitole.

Počet stran: 50.

Dílčí témata 1. Tabulkové metody řešení2. Přibližné metody řešení.

Kapitola 3: Učení Q Cíl kapitoly: V této kapitole budou čtenáři pokračovat v prohlubování znalostí RL řešením úloh v diskrétních akčních prostorech Počet stran: 1. Učební materiál: Dílčí témata: 1: 1. Hluboké Q sítě2. Dvojité hluboké Q učení.

Kapitola 4: Tvorba trhu založená na učení s posilováním Cíl kapitoly: V této kapitole se zaměříme na případ použití založený na finančních technologiích, konkrétně na tvorbu trhu, ve kterém musíme koupit a prodat finanční nástroj za danou cenu. Na tuto sadu dat aplikujeme přístup založený na učení s posílením a zjistíme, jak si vede v průběhu času č. stran: 50Sub - Témata: 1. Tvorba trhu 2. AWS/Google Cloud3. Cron.

Kapitola 5: Reinforcement Learning pro videohry Cíl kapitoly: V této kapitole se zaměříme na obecnější případ použití reinforcement learningu, ve kterém naučíme algoritmus úspěšně hrát hru proti počítačové umělé inteligenci. Počet stran: 1: 50Sub - Témata: 1. Pozadí hry a sběr dat.