Applied Reinforcement Learning with Python

With OpenAI Gym, Tensorflow, and Keras

de

Éditeur :

Apress


Paru le : 2019-08-23



eBook Téléchargement , DRM LCP 🛈 DRM Adobe 🛈
Lecture en ligne (streaming)
46,34

Téléchargement immédiat
Dès validation de votre commande
Ajouter à ma liste d'envies
Image Louise Reader présentation

Louise Reader

Lisez ce titre sur l'application Louise Reader.

Description


Plongez dans le monde des algorithmes d'apprentissage du renforcement et appliquez-les à différents cas d'utilisation via Python. Ce livre couvre des sujets importants tels que les gradients politiques et l'apprentissage Q, et utilise des cadres tels que Tensorflow, Keras, et OpenAI Gym.

Apprentissage appliqué du renforcement avec Python vous présente la théorie derrière les algorithmes d'apprentissage du renforcement (RL) et le code qui sera utilisé pour les mettre en œuvre. Vous ferez une visite guidée des fonctionnalités d'OpenAI Gym, de l'utilisation de bibliothèques standard à la création de vos propres environnements, puis découvrirez comment encadrer les problèmes d'apprentissage du renforcement afin de pouvoir rechercher, développer et déployer des solutions basées sur RL.



Ce que vous apprendrez
Mettre en œuvre l'apprentissage du renforcement avec PythonTravailler avec des frameworks AI tels que OpenAI Gym, Tensorflow et Keras.Déployer et former des solutions de renforcement basées sur l'apprentissage via les ressources cloudAppliquer les applications pratiques de l'apprentissage du renforcement










A qui s'adresse ce livre ?
Scientifiques des données, ingénieurs d'apprentissage machine et ingénieurs logiciels familiers avec les concepts de l'apprentissage machine et de l'apprentissage approfondi.
Pages
168 pages
Collection
n.c
Parution
2019-08-23
Marque
Apress
EAN papier
9781484251263
EAN PDF
9781484251270

Informations sur l'ebook
Nombre pages copiables
1
Nombre pages imprimables
16
Taille du fichier
3543 Ko
Prix
46,34 €
EAN EPUB
9781484251270

Informations sur l'ebook
Nombre pages copiables
1
Nombre pages imprimables
16
Taille du fichier
3645 Ko
Prix
46,34 €

Suggestions personnalisées