نرم افزار: سیستم ها: محاسبات علمی

یادگیری تقویتی عمیق در عمل. کد

Deep Reinforcement Learning in Action. Code

دانلود کتاب Deep Reinforcement Learning in Action. Code (به فارسی: یادگیری تقویتی عمیق در عمل. کد) نوشته شده توسط «Alexander Zai – Brandon Brown»


اطلاعات کتاب یادگیری تقویتی عمیق در عمل. کد

موضوع اصلی: کامپیوتر – علوم کامپیوتر

نوع: کتاب الکترونیکی

ناشر: Manning Publications

نویسنده: Alexander Zai – Brandon Brown

زبان: english

فرمت کتاب: ZIP (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2020

تعداد صفحه: 277

حجم فایل: 2.57 مگابایت

کد کتاب: 1617295434 , 9781617295430

توضیحات کتاب یادگیری تقویتی عمیق در عمل. کد

کد .انسانها از بازخورد بهتر یاد می گیرند – ما تشویق می شویم اقداماتی انجام دهیم که منجر به نتایج مثبت شود و در عین حال با تصمیمات با پیامدهای منفی منصرف شویم. این فرآیند تقویتی را می توان برای برنامه های کامپیوتری اعمال کرد و به آنها اجازه می دهد تا مسائل پیچیده تری را حل کنند که برنامه نویسی کلاسیک نمی تواند. Deep Reinforcement Learning در عمل، مفاهیم اساسی و اصطلاحات یادگیری تقویتی عمیق را به همراه مهارت ها و تکنیک های عملی که برای پیاده سازی آن در پروژه های خود نیاز دارید، به شما می آموزد. ویژگی های کلیدی * ساختار مشکلات به عنوان فرآیندهای تصمیم گیری مارکوف * الگوریتم های محبوب مانند Deep Q-Networks، روش گرادیان خط مشی و الگوریتم های تکاملی و شهودی که آنها را هدایت می کند * استفاده از الگوریتم های یادگیری تقویتی برای مشکلات دنیای واقعی مخاطب شما به مهارت های پایتون و پایتون نیاز دارید. درک اولیه یادگیری عمیق درباره فناوری یادگیری تقویتی عمیق شکلی از یادگیری ماشینی است که در آن عوامل هوش مصنوعی رفتار بهینه را از ورودی حسی خام خود می آموزند. سیستم محیط را درک می کند، نتایج تصمیمات گذشته خود را تفسیر می کند و از این اطلاعات برای بهینه سازی رفتار خود برای حداکثر بازده طولانی مدت استفاده می کند. یادگیری تقویتی عمیق به موفقیت AlphaGo کمک کرد، اما این تنها کاری نیست که می تواند انجام دهد! الکساندر زی یک مهندس یادگیری ماشین در آمازون AI است که روی MXNet کار می کند که مجموعه ای از محصولات یادگیری ماشینی AWS را تامین می کند. براندون براون یک وبلاگ نویس یادگیری ماشین و تجزیه و تحلیل داده در outlace.com است که متعهد به ارائه آموزش واضح در مورد موضوعات دشوار برای تازه واردان است.


Code .Humans learn best from feedback-we are encouraged to take actions that lead to positive results while deterred by decisions with negative consequences. This reinforcement process can be applied to computer programs allowing them to solve more complex problems that classical programming cannot. Deep Reinforcement Learning in Action teaches you the fundamental concepts and terminology of deep reinforcement learning, along with the practical skills and techniques you’ll need to implement it into your own projects. Key features * Structuring problems as Markov Decision Processes * Popular algorithms such Deep Q-Networks, Policy Gradient method and Evolutionary Algorithms and the intuitions that drive them * Applying reinforcement learning algorithms to real-world problems Audience You’ll need intermediate Python skills and a basic understanding of deep learning. About the technology Deep reinforcement learning is a form of machine learning in which AI agents learn optimal behavior from their own raw sensory input. The system perceives the environment, interprets the results of its past decisions, and uses this information to optimize its behavior for maximum long-term return. Deep reinforcement learning famously contributed to the success of AlphaGo but that’s not all it can do! Alexander Zai is a Machine Learning Engineer at Amazon AI working on MXNet that powers a suite of AWS machine learning products. Brandon Brown is a Machine Learning and Data Analysis blogger at outlace.com committed to providing clear teaching on difficult topics for newcomers.

دانلود کتاب «یادگیری تقویتی عمیق در عمل. کد»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.

دیدگاهتان را بنویسید