【下载】深度强化学习实战书籍和代码《Deep Reinforcement Learning in Action》

【导读】亚马逊人工智能部门机器学习专家AlexanderZai最新撰写的深度强化学习实战书籍(预计2018年秋季出版)《Deep Reinforcement Learning in Action》介绍使用流行的PyTorch深度学习框架来构建网络,以探索从深度Q网络到策略梯度方法,再到进化算法的一系列强化学习算法。手把手教你构建深度强化学习项目,比如控制模拟机器人,自动化股票市场交易,甚至建造一个可以玩围棋的机器人。随书同时提供代码,可以让你动手测试改进。


请关注专知公众号(扫一扫最下面专知二维码,或者点击上方蓝色专知),

  • 后台回复“DRLA” 就可以获取深度强化学习实战 第一章 pdf下载~

  • 后台回复“DRLA” 就可以获取深度强化学习实战 代下载~



图书介绍




人类从反馈中不断学习得最优——对于积极的结果我们会被鼓励去采取行动,但是对于消极结果我们被阻止采取行动。这种强化过程可以应用于计算机程序,使它们能够解决经典编程无法解决的更复杂的问题。《Deep Reinforcement Learning in Action》这本书会向您介绍深度强化学习的基本概念和术语,以及将其实施到您自己的项目中所需的实用技能和技巧。


关于该技术

深度强化学习是机器学习的一种形式,其中人工智能体从自身的原始感官输入中学习最优行为。系统感知环境,解释其过去决策的结果,并利用这些信息来优化其行为,以获得最大的长期回报。深度强化学习这一技术为AlphaGo的成功做出了杰出贡献,但它所能做的并不仅仅局限于这些!更多令人兴奋的应用程序等待被发现。让我们开始吧。


关于该书

《Deep Reinforcement Learning in Action》将会教你如何根据环境的直接反馈对智能体进行编程和学习。您将使用流行的PyTorch深度学习框架来构建网络,以探索从深度Q网络到策略梯度方法,再到进化算法的一系列强化学习算法。当您完成学习的时候,您就可以把你所学的知识应用到实际的项目中,比如控制模拟机器人,自动化股票市场交易,甚至构建一个可以玩围棋的机器人。


书中介绍了什么

  • 将问题结构化为马尔可夫决策过程

  • 常用的算法,如深度Q网络,策略梯度方法

  • 进化算法和驱动它们的直觉知识

  • 将强化学习算法应用于实际问题


关于读者

读者将需要具备中级Python的技能和对深度学习有基本的理解。


关于作者

亚历山大•扎伊(Alexander Zai)是亚马逊人工智能公司(Amazon AI)的一名机器学习工程师,致力于MXNet,为一系列AWS机器学习产品提供支持。他还是Codesmith的联合创始人,Codesmith是一家软件工程训练营,在洛杉矶和纽约设有分部。布兰登•布朗(Brandon Brown)是一名UCSF医学院学生,同时也是加州大学洛杉矶分校的数据科学家。过去三年来,他在outlace.com上发表了大量有关机器学习的博文。


参考:

https://www.manning.com/books/deep-reinforcement-learning-in-action

https://github.com/DeepReinforcementLearning/DeepReinforcementLearningInAction


▌详细目录




▌第一部分 基础


▌第二部分 延伸




▌附录




▌第一章详细内容





-END-

专 · 知


人工智能领域主题知识资料查看与加入专知人工智能服务群

专知AI知识技术服务会员群加入人工智能领域26个主题知识资料全集获取欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询


请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料

请加专知小助手微信(扫一扫如下二维码添加),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~


 AI 项目技术 & 商务合作:bd@zhuanzhi.ai, 或扫描上面二维码联系!


关注专知公众号,获取人工智能的专业知识!

点击“阅读原文”,使用专知

展开全文
Top
微信扫码咨询专知VIP会员