Einstieg in Deep Reinforcement Learning

KI-Agenten mit Python und PyTorch programmieren. Inkl. E-Book

39,99 € (Print)

inkl. MwSt., ggf. zzgl. Versandkosten

sofort lieferbar
Beschreibung
Einstieg in Deep Reinforcement Learning
- Grundlegende Konzepte und Terminologie
- Praktischer Einsatz mit PyTorch
- Projekte umsetzen

Dieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.
Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften oder dem Aufbau eines Spiel-Bots an.

Aus dem Inhalt:
- Strukturierungsprobleme als Markov-Entscheidungsprozesse
- Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben
- Anwendung von Verstärkungslernalgorithmen auf reale Probleme

EXTRA: E-Book inside
Systemvoraussetzungen für E-Book inside: Internet-Verbindung und Adobe-Reader oder Ebook-Reader bzw. Adobe Digital Editions.
Einstieg in Deep Reinforcement Learning
- Grundlegende Konzepte und Terminologie
- Praktischer Einsatz mit PyTorch
- Projekte umsetzen

Dieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.
Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften oder dem Aufbau eines Spiel-Bots an.

Aus dem Inhalt:
- Strukturierungsprobleme als Markov-Entscheidungsprozesse
- Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben
- Anwendung von Verstärkungslernalgorithmen auf reale Probleme

EXTRA: E-Book inside
Systemvoraussetzungen für E-Book inside: Internet-Verbindung und Adobe-Reader oder Ebook-Reader bzw. Adobe Digital Editions.
Kundenbewertungen für "Einstieg in Deep Reinforcement Learning"
Bewertung schreiben
Bewertungen werden nach Überprüfung freigeschaltet.

Die mit einem * markierten Felder sind Pflichtfelder.

Autor(en)

Alexander Zai ist Machine Learning Engineer bei Amazon AI und arbeitet an MXNet, das eine Reihe von AWS-Maschinenlernprodukten unterstützt. Er ist auch Mitbegründer von Codesmith, einem Bootcamp für Softwareentwicklung mit Niederlassungen in Los Angeles und New York.
Brandon Brown ist Arzt und Programmierer. Er bloggt über maschinelles Lernen und Datenanalyse auf outlace.com.

Alexander Zai ist Machine Learning Engineer bei Amazon AI und arbeitet an MXNet, das eine Reihe von AWS-Maschinenlernprodukten unterstützt. Er ist auch Mitbegründer von Codesmith, einem Bootcamp für Softwareentwicklung mit Niederlassungen in Los Angeles und New York.
Brandon Brown ist Arzt und Programmierer. Er bloggt über maschinelles Lernen und Datenanalyse auf outlace.com.

Weitere Titel des Autors Kunden haben sich ebenfalls angesehen
Kunden haben sich ebenfalls angesehen
NEU
Apache Kafka
44,99 € 
NEU
Tontechnik
31,99 € 
NEU
Apache Kafka
35,99 € 
Lasercutting
30,00 € 
JavaScript
29,99 € 
Cloud Computing
29,90 € 
SQL
29,99 € 
NEU
Lean Management
11,99 € 
Samba 4
39,99 € 
Fabrikplanung
39,99 € 
Newsletter

Nichts mehr verpassen!

Aktuelles & Angebote
im monatlichen IT-Newsletter.

Hanser Youtube Channel

Autoreninterviews,
Messebesuche, Buchvorstellungen,
Events
und vieles mehr.

Hanser Podcast

Wissen für die Ohren

Themen aus Wirtschaft,
Management und Technik