作者：[美] 托威赫·贝索洛（Taweh Beysolow II）著 敖富江 杜静 张民垒 译
定价：49.8元
印次：1-1
ISBN：9787302570097
出版日期：2021.02.01
印刷日期：2021.01.22
图书责编：王军
图书分类：零售
电子书
在线购买
分享
主要内容： 使用Python实现强化学习算法； 应用A相架，例如OpenAl Gym.TensorFlow和人cras利用云资源部窖并训练基于强化学习的解决方案； 实战遢化学习实际应用
Taweh Beysolow II是一位数据科学家和作家，目前居住在美国。他拥有美国圣约翰大学的经济学学士学位和福特汉姆大学的应用统计学理学硕士学位。在成功退出与他人共同创立的初创公司后，他现在担任总部位于旧金山的私人股本公司Industry Capital的董事，在那里领导加密货币和区块链平台。
前 言 很荣幸第三次在Apress出版社出书！《Python强化学习实战 使用OpenAI Gym、Tensorrflow和Keras》是我撰写过的最复杂书籍，但对于每一位数据科学家和工程师来说都物有所值。在过去的几年中，强化学习领域经历了重大变革，热爱人工智能的每个人都值得全身心投入。 作为人工智能研究的前沿，《Python强化学习实战 使用OpenAI Gym、Tensorrflow和Keras》将是熟悉该领域状况以及最常用技术的绝佳起点。基于这一点，我希望读者能够从中汲取力量，从而继续自己的研究并在各自的领域进行创新。
第1章 强化学习导论 1
1.1 强化学习的发展史 2
1.2 MDP及其与强化学习的关系 3
1.3 强化学习算法和强化学习框架 5
1.4 Q学习 8
1.5 强化学习的应用 9
1.5.1 经典控制问题 9
1.5.2 《超级马里奥兄弟》游戏 10
1.5.3 《毁灭战士》游戏 11
1.5.4 基于强化学习的做市策略 12
1.5.5 《刺猬索尼克》游戏 12
1.6 本章小结 13
第2章 强化学习算法 15
2.1 OpenAI Gym 15
2.2 基于策略的学习 16
2.3 策略梯度的数学解释 17
2.4 基于梯度上升的策略优化 19
2.5 使用普通策略梯度法求解车杆问题 20
2.6 什么是折扣奖励，为什么要使用它们 23
2.7 策略梯度的不足 28
2.8 近端策略优化(PPO)和Actor-Critic模型 29
2.9 实现PPO并求解《超级马里奥兄弟》 30
2.9.1 《超级马里奥兄弟》概述 30
2.9.2 安装环境软件包 31
2.9.3 资源库中的代码结构 32
2.9.4 模型架构 32
2.10 应对难度更大的强化学习挑战 37
2.11 容器化强化学习实验 39
2.12 实验结果 41
2.13 本章小结 41
第3章 强化学习算法：Q学习及其变种 43
3.1 Q学习 43
3.2 时序差分(TD)学习 4... 查看详情
本书带领读者深入强化宁习算法的世界，并使用Fyth cn在不同用例中应用它们。其中涵盖了一些重要主题，例如策略样度算法和Q学习算法，并使用了TensorFlaw. Keras和OpenAl Gym框架。
本书介绍了强化学习(RL)算法背后的理论及用于实现它们的代码。读占将依次学习CpenAl Gym的各类功能，从应用标准库，到创建白己的环境，再到掌掘如何构建龚化学习问题，从而能够研究、开发和部署基千强化学习的解决方案。
