Глубокое обучение с подкреплением (Reinforcement Learning) - самое популярное и перспективное направление искусственного интеллекта.
Практическое изучение RL на Python поможет освоить не только базовые, но и передовые алгоритмы глубокого обучения с подкреплением.
Вы начнете с основных принципов обучения с подкреплением, OpenAI Gym и TensorFlow, познакомьтесь с марковскими цепями, методом Монте-Карло и динамическим программированием, так что 'страшные' аббревиатуры DQN, DRQN, A3C, PPO и TRPO вскоре перестанут вас пугать. Вы узнаете об агентах, которые учатся на человеческих предпочтениях, DQfD, HER и многих других последних достижениях RL.
Прочитав книгу, вы приобретете знания и опыт, необходимые для реализации обучения с подкреплением и глубокого обучения с подкреплением в реальных проектах, и войдете в мир искусственного интеллекта.
В этой книге вы:
- Познакомитесь с основами методов, алгоритмов и элементов RL
- Обучите агента с помощью OpenAI Gym и Tensorflow
- Освоите марковские процессы принятия решений, оптимальность Беллмана и обучение TD
- Научитесь решать проблемы многоруких бандитов
- Овладеете алгоритмами глубокого обучения, такими как RNN, LSTM и CNN
- Создадите интеллектуальных агентов с помощью алгоритма DRQN, которые смогут играть в Doom
- С помощью DDPG научите агентов играть в Lunar Lander
- Отправите агента на автогонки, используя метод DQN
