实战人工智慧之深度强化学习：使用PyTorch ╳Python pdf epub mobi txt 电子书下载 2024

图书介绍

☆☆☆☆☆
简体网页||繁体网页

著者

出版者出版社：碁峰订阅出版社新书快讯新功能介绍

翻译者译者：许郁文

出版日期出版日期：2019/07/19

语言语言：繁体中文

下载链接在页面底部

点击这里下载

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

想要找书就要到小特书站

ttbooks.qciss.net

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

发表于2024-04-24

类似图书点击查看全场最低价

图书描述

　　以step by step的方式学习人工智慧的程式撰写

　　最近，「人工智慧」、「深度学习」这类的关键字出现在的机会非常多，但能够实际动手做的人却非常少。本书以非研究者的一般读者为主要族群，希望带着各位读者边做边了解强化学习与深度强化学习，也会尽量介绍与解说可实际操作的程式码。只要您具备粗浅的程式设计经验以及初阶的线性代数知识，就能看懂本书的内容。

　　透过本书，您将可以：

　　．认识强化学习的概念与术语
　　．学到策略梯度法、Sarsa、Q学习演算法的撰写方式
　　．了解Anaconda的设定方法
　　．利用PyTorch撰写深度学习的程式码，解决分类手写数字影像的MNIST课题
　　．了解DQN演算法的撰写方法
　　．利用深度学习演算法撰写倒立单摆系统
　　．利用深度强化学习的A2C撰写打砖块游戏
　　．利用AWS的GPU建置深度学习环境的方法

著者信息

作者简介

小川雄太郎

　　隶属于株式会社电通国际资讯服务技术本部开发技术部，从事深度学习的机械学习相关技术研发、技术支援，也负责工作型态创新室的HR资料剖析业务。从明石工业高等专门学校、东京大学工学部毕业后，进入东京大学研究所神保、小谷研究室研究脑机能测量与计算理论的神经科学，2016年取得博士学位（科学）。曾担任东京大学特聘研究员，从2017年4月开始担任现职。

　　．GitHub：github.com/YutaroOgawa/
　　．Qiita：qiita.com/sugulu

实战人工智慧之深度强化学习：使用PyTorch ╳Python pdf epub mobi txt 电子书下载

图书目录

第1章强化学习的概要
1.1 机械学习的分类（监督式学习、非监督式学习、强化学习）
1.2 强化学习、深度强化学习的历史
1.3 深度强化学习的应用实例

第2章以强化学习建置迷宫课题
2.1 Try Jupter的使用方法
2.2 建置迷宫与智能体
2.3 建置策略迭代法
2.4 整理价值迭代法的专业术语
2.5 建置Sarsa
2.6 建置Q学习

第3章利用倒立单摆课题学习强化学习
3.1 于本地端电脑建置强化学习执行环境的方法
3.2 解说倒立单摆课题「CartPole」
3.3 说明多变数、连续值状态的表格表示法
3.4 撰写Q学习

第4章利用PyTorch建置深度学习
4.1 神经网路与深度学习的历史
4.2 解说深度学习的计算方式
4.3 利用PyTorch撰写分类手写数字影像的MNIST课题

第5章建置深度强化学习DQN
5.1 深度强化学习DQN（Deep Q-Network）的解说
5.2 建置DQN的四项重点
5.3 建置DQN（上篇）
5.4 建置DQN（下篇）

第6章建置深度强化学习的进阶版
6.1 深度强化学习的演算法地图
6.2 建置DDQN（Double-DQN）
6.3 建置Dueling Network
6.4 建置Prioritized Experience Replay
6.5 建置A2C

第7章于AWS的GPU环境建置打砖块游戏
7.1 解说打砖块游戏「Breakout」
7.2 于AWS建置使用GPU的深度学习的执行环境
7.3 学习Breakout之际的四项重要事项
7.4 A2C的建置（上篇）
7.5 A2C的建置（下篇）