Главная » 2022 » Январь » 22 » Лаура Грессер, Ван Лун Кенг - Глубокое обучение с подкреплением: теория и практика на языке Python (2022)
22:52
Лаура Грессер, Ван Лун Кенг - Глубокое обучение с подкреплением: теория и практика на языке Python (2022)
Глубокое обучение с подкреплением (глубокое RL) сочетает в себе два подхода к машинному обучению. В ходе такого обучения виртуальные агенты учатся решать последовательные задачи о принятии решений. За последнее десятилетие было много неординарных достижений в этой области — от однопользовательских и многопользовательских игр, таких как го и видеоигры Atari и Dota 2, до робототехники. Эта книга — введение в глубокое обучение с подкреплением, уникально комбинирующее теорию и практику. Авторы начинают повествование с базовых сведений, затем подробно объясняют теорию алгоритмов глубокого RL, демонстрируют их реализации на примере программной библиотеки SLM Lab и напоследок описывают практические аспекты использования глубокого RL. Руководство идеально подойдет как для студентов, изучающих компьютерные науки, так и для разработчиков программного обеспечения, которые знакомы с основными принципами машинного обучения и знают Python.
Название: Глубокое обучение с подкреплением: теория и практика на языке Python Автор: Лаура Грессер, Ван Лун Кенг Год: 2022 Жанр: компьютерная, программирование Серия: Библиотека программиста Язык: Русский
Формат: pdf Качество: eBook Страниц: 416 Размер: 10 MB
Скачать Лаура Грессер, Ван Лун Кенг - Глубокое обучение с подкреплением: теория и практика на языке Python (2022)
Xemera.At.Ua - информационный портал! Все ссылки на файлы, указанные на сайте взяты из открытых источников интернета и предоставлены пользователями нашего сайта исключительно в ознакомительных целях.
Если вы являетесь правообладателем какого либо материала и не желаете его свободного распространения, или считаете, что какой-либо из материалов нарушает Ваши авторские права - свяжитесь с Администрацией.
Владельцы и создатели данного сайта не несут ответственность за использование и содержание ссылок и информации, представленных на этом сайте.
Сайт оптимизирован для просмотра с разрешением 1024x768, 1280x800, 1280x1024 и 1600x1200 браузером FireFox или Opera