دانلود کتاب Keras Reinforcement Learning Projects (به فارسی: پروژه های آموزشی تقویتی Keras) نوشته شده توسط «Giuseppe Ciaburro»
اطلاعات کتاب پروژه های آموزشی تقویتی Keras
موضوع اصلی: کامپیوتر – علوم کامپیوتر
نوع: کتاب الکترونیکی
ناشر: Packt Publishing
نویسنده: Giuseppe Ciaburro
زبان: english
فرمت کتاب: EPUB (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2018
حجم فایل: 7.58 مگابایت
کد کتاب: 1789342090 , 9781789342093
توضیحات کتاب پروژه های آموزشی تقویتی Keras
راهنمای عملی برای تسلط بر الگوریتم های یادگیری تقویتی با استفاده از Keras
ویژگی های کلیدی
- پروژه‌ها را در زمینه‌های رباتیک، بازی، و مالی بسازید و یادگیری تقویتی (RL) را به مرحله اجرا درآورید
- با Keras آشنا شوید و روی مجموعه داده های بدون ساختار دنیای واقعی تمرین کنید
- الگوریتم های پیشرفته یادگیری عمیق مانند Monte Carlo، Markov Decision و Q-learning را کشف کنید
توضیحات کتاب
یادگیری تقویتی در چند سال اخیر بسیار تکامل یافته است و ثابت شده است که یک تکنیک موفق در ساخت شبکه های هوش مصنوعی هوشمند و هوشمند است. Keras Reinforcement Learning Projects با استفاده از الگوریتم‌ها و تکنیک‌های یادگیری تقویتی، همراه با Keras، یک کتابخانه تجربی سریع‌تر، عملکرد در سطح انسانی را در برنامه‌های شما نصب می‌کند.
این کتاب با مفاهیم یادگیری تقویتی با استفاده از Keras شروع می شود. شما یاد خواهید گرفت که چگونه یک پیاده روی تصادفی را با استفاده از زنجیره های مارکوف شبیه سازی کنید و بهترین نمونه کارها را با استفاده از برنامه نویسی پویا (DP) و پایتون انتخاب کنید. همچنین پروژه‌هایی مانند پیش‌بینی قیمت سهام با استفاده از روش‌های مونت کارلو، ارائه برنامه مسیریابی وسیله نقلیه با استفاده از الگوریتم‌های یادگیری فاصله زمانی (TD) و متعادل کردن یک سیستم مکانیکی چرخشی با استفاده از فرآیندهای تصمیم‌گیری مارکوف را بررسی خواهید کرد.
هنگامی که اصول اولیه را فهمیدید، به سراغ مدل‌سازی Segway می‌روید، یک سیستم کنترل ربات را با استفاده از یادگیری تقویت‌کننده عمیق اجرا می‌کنید، و یک مدل تشخیص رقم دست‌نویس در پایتون با استفاده از مجموعه داده تصویر می‌سازید. در نهایت، شما در انجام بازی رومیزی Go با کمک الگوریتم‌های یادگیری Q-Learning و تقویتی عالی خواهید بود.
در پایان این کتاب، شما نه تنها آموزش عملی در مورد مفاهیم، الگوریتم‌ها و تکنیک‌های یادگیری تقویتی خواهید داشت، بلکه برای کشف دنیای هوش مصنوعی نیز آماده خواهید بود.
آنچه خواهید آموخت
- فرایند تصمیم مارکوف را در ارزیابی‌های پیش‌بینی و شرط‌بندی تمرین کنید
- روش های مونت کارلو را برای پیش بینی رفتارهای محیطی پیاده سازی کنید
- الگوریتم های یادگیری TD را برای مدیریت عملیات انبار کاوش کنید
- یک شبکه Q-Deep با استفاده از Python و Keras برای کنترل حرکات ربات بسازید
- مفاهیم تقویتی را برای ساخت یک مدل تشخیص رقم دست‌نویس با استفاده از مجموعه داده تصویر به کار ببرید
- به یک مشکل نظریه بازی با استفاده از Q-Learning و OpenAI Gym رسیدگی کنید
این کتاب برای چه کسانی است
اگر دانشمند داده، توسعه‌دهنده یادگیری ماشین یا مهندس هوش مصنوعی هستید که می‌خواهید با توسعه پروژه‌های عملی، اصول یادگیری تقویتی را درک کنید، پروژه‌های یادگیری تقویتی Keras برای شما مناسب است. دانش کامل در مورد یادگیری ماشین و آشنایی اولیه با Keras برای استفاده حداکثری از این کتاب مفید است
فهرست مطالب
- مرور کلی از یادگیری تقویتی Keras
- شبیه سازی پیاده روی تصادفی
- انتخاب نمونه کارها بهینه
- پیش بینی قیمت بازار سهام
- برنامه مسیریابی وسیله نقلیه تحویل
- پیش بینی و ارزیابی شرط بندی ورق سکه با استفاده از فرآیندهای تصمیم مارکوف
- با استفاده از برنامه نویسی پویا یک دستگاه فروش خودکار بهینه بسازید
- سیستم کنترل ربات با استفاده از یادگیری تقویتی عمیق
- تشخیص ارقام دست نویس
- بازی رومیزی برو
- بعدی چیست؟
**
A practical guide to mastering reinforcement learning algorithms using Keras
Key Features
- Build projects across robotics, gaming, and finance fields, putting reinforcement learning (RL) into action
- Get to grips with Keras and practice on real-world unstructured datasets
- Uncover advanced deep learning algorithms such as Monte Carlo, Markov Decision, and Q-learning
Book Description
Reinforcement learning has evolved a lot in the last couple of years and proven to be a successful technique in building smart and intelligent AI networks. Keras Reinforcement Learning Projects installs human-level performance into your applications using algorithms and techniques of reinforcement learning, coupled with Keras, a faster experimental library.
The book begins with getting you up and running with the concepts of reinforcement learning using Keras. You’ll learn how to simulate a random walk using Markov chains and select the best portfolio using dynamic programming (DP) and Python. You’ll also explore projects such as forecasting stock prices using Monte Carlo methods, delivering vehicle routing application using Temporal Distance (TD) learning algorithms, and balancing a Rotating Mechanical System using Markov decision processes.
Once you’ve understood the basics, you’ll move on to Modeling of a Segway, running a robot control system using deep reinforcement learning, and building a handwritten digit recognition model in Python using an image dataset. Finally, you’ll excel in playing the board game Go with the help of Q-Learning and reinforcement learning algorithms.
By the end of this book, you’ll not only have developed hands-on training on concepts, algorithms, and techniques of reinforcement learning but also be all set to explore the world of AI.
What you will learn
- Practice the Markov decision process in prediction and betting evaluations
- Implement Monte Carlo methods to forecast environment behaviors
- Explore TD learning algorithms to manage warehouse operations
- Construct a Deep Q-Network using Python and Keras to control robot movements
- Apply reinforcement concepts to build a handwritten digit recognition model using an image dataset
- Address a game theory problem using Q-Learning and OpenAI Gym
Who this book is for
Keras Reinforcement Learning Projects is for you if you are data scientist, machine learning developer, or AI engineer who wants to understand the fundamentals of reinforcement learning by developing practical projects. Sound knowledge of machine learning and basic familiarity with Keras is useful to get the most out of this book
Table of Contents
- Overview of Keras Reinforcement Learning
- Simulating random walks
- Optimal Portfolio Selection
- Forecasting stock market prices
- Delivery Vehicle Routing Application
- Prediction and Betting Evaluations of coin flips using Markov decision processes
- Build an optimized vending machine using Dynamic Programming
- Robot control system using Deep Reinforcement Learning
- Handwritten Digit Recognizer
- Playing the board game Go
- What is next?
**
دانلود کتاب «پروژه های آموزشی تقویتی Keras»
