Reinforcement Learning ist ein Teilgebiet des Machine Learnings. Hierbei werden selbstständig lernende Agenten programmiert, deren Lernvorgang ausschließlich durch ein Belohnungssystem und die Beobachtung der Umgebung gesteuert wird. Das Handbuch zeigt, wie zukunftsweisende Technologien in der Praxis eingesetzt und trainiert werden können. Zum Beispiel zum Lösen eines Zauberwürfels, für Natural Language Processing in Microsofts TextWorld-Umgebung oder zur Realisierung moderner Chatbots. Alle Beispiele sind dabei so gewählt, dass sie leicht verständlich sind und auch ohne Zugang zu sehr großer Rechenleistung umsegetzt werden können. Grundlegende Kenntnisse in Machine und Deep Learning sowie ein sicherer Umgang mit Python werden zur optimaen Lektüre und Bearbeitung vorausgesetzt.
Der Autor Maxim Lapan ist Deep-Learning-Enthusiast und unabhängiger Forscher. Er verfügt über langjährige Berufserfahrung in den Bereichen Big Data und Machine Learning und hat das Talent, komplizierte Dinge in einfacher Sprache und mit anschaulichen Beispielen zu erklären.
Das Fachbuch »Deep Reinforcement Learning« beinhaltet unter anderem folgende Themen:
Sind Sie Journalist oder Blogger und haben Interesse an einem Rezensionsexemplar, wenden Sie sich bitte an marketing@mitp.de.
Der Autor Maxim Lapan ist Deep-Learning-Enthusiast und unabhängiger Forscher. Er verfügt über langjährige Berufserfahrung in den Bereichen Big Data und Machine Learning und hat das Talent, komplizierte Dinge in einfacher Sprache und mit anschaulichen Beispielen zu erklären.
Das Fachbuch »Deep Reinforcement Learning« beinhaltet unter anderem folgende Themen:
- Implementierung komplexer Deep-Learning-Modelle mit RL in tiefen neuronalen Netzen, z.B. für Chatbots
- Ermitteln der passenden RL-Methoden für verschiedene Problemstellungen, darunter DQN, Advantage Actor Critic, PPO, TRPO, DDPG, D4PG und mehr
- Bauen und Trainieren eines kostengünstigen Hardware-Roboters
- Trainieren von Agenten für Vier Gewinnt mittels AlphaGo Zero
- Moderne Explorationsverfahren wie verrauschte Netze und Netz-Destillation
Sind Sie Journalist oder Blogger und haben Interesse an einem Rezensionsexemplar, wenden Sie sich bitte an marketing@mitp.de.
