دانلود کتاب Deep Reinforcement Learning with Python – Second Edition (به فارسی: آموزش تقویتی عمیق با پایتون – ویرایش دوم) نوشته شده توسط «SUDHARSAN RAVICHANDIRAN»
اطلاعات کتاب آموزش تقویتی عمیق با پایتون – ویرایش دوم
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: PACKT PUBLISHING LIMITED
نویسنده: SUDHARSAN RAVICHANDIRAN
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2020
تعداد صفحه: 760 / 761
حجم فایل: 27.31 مگابایت
کد کتاب: 1839210680 , 9781839210686
نوبت چاپ: 2
توضیحات کتاب آموزش تقویتی عمیق با پایتون – ویرایش دوم
راهنمای غنی از نمونه برای مبتدیان برای شروع سفر تقویتی و تقویت عمیق خود با الگوریتم های متمایز پیشرفته
با پیشرفت های قابل توجه در کیفیت و کمیت الگوریتم ها در در سال‌های اخیر، این ویرایش دوم آموزش تقویتی Hands-On با پایتون به یک راهنمای نمونه غنی برای یادگیری پیشرفته‌ترین الگوریتم‌های یادگیری تقویتی (RL) و RL عمیق با TensorFlow 2 و جعبه ابزار OpenAI Gym تغییر یافته است.
علاوه بر کاوش در مبانی RL و مفاهیم اساسی مانند معادله بلمن، فرآیندهای تصمیم مارکوف، و الگوریتم های برنامه نویسی پویا، این ویرایش دوم عمیقاً به طیف کاملی از ارزش مبتنی بر سیاست، مبتنی بر سیاست و بازیگر می پردازد. روش های انتقادی RL این الگوریتم‌های پیشرفته مانند DQN، TRPO، PPO و ACKTR، DDPG، TD3، و SAC را عمیقا بررسی می‌کند، ریاضیات اساسی را ابهام می‌کند و پیاده‌سازی‌ها را از طریق نمونه‌های کد ساده نشان می‌دهد.
کتاب دارای چندین فصل جدید به تکنیک های جدید RL، از جمله RL توزیعی، یادگیری تقلید، RL معکوس و متا RL اختصاص یافته است. شما یاد خواهید گرفت که از خطوط پایه پایدار، بهبود کتابخانه پایه OpenAI، برای پیاده سازی بی دردسر الگوریتم های محبوب RL استفاده کنید. این کتاب با مروری بر رویکردهای امیدوارکننده مانند فرا یادگیری و عوامل تقویت‌شده تخیل در تحقیق به پایان می‌رسد.
در پایان، شما در به‌کارگیری مؤثر RL و RL عمیق در پروژه‌های دنیای واقعی خود مهارت خواهید داشت.
With significant enhancements in the quality and quantity of algorithms in recent years, this second edition of Hands-On Reinforcement Learning with Python has been revamped into an example-rich guide to learning state-of-the-art reinforcement learning (RL) and deep RL algorithms with TensorFlow 2 and the OpenAI Gym toolkit.
In addition to exploring RL basics and foundational concepts such as Bellman equation, Markov decision processes, and dynamic programming algorithms, this second edition dives deep into the full spectrum of value-based, policy-based, and actor-critic RL methods. It explores state-of-the-art algorithms such as DQN, TRPO, PPO and ACKTR, DDPG, TD3, and SAC in depth, demystifying the underlying math and demonstrating implementations through simple code examples.
The book has several new chapters dedicated to new RL techniques, including distributional RL, imitation learning, inverse RL, and meta RL. You will learn to leverage stable baselines, an improvement of OpenAI’s baseline library, to effortlessly implement popular RL algorithms. The book concludes with an overview of promising approaches such as meta-learning and imagination augmented agents in research.
By the end, you will become skilled in effectively employing RL and deep RL in your real-world projects.
دانلود کتاب «آموزش تقویتی عمیق با پایتون – ویرایش دوم»
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.