Глибоке навчання з підкріпленням (Reinforcement Learning) — найпопулярніший і перспективний напрям штучного інтелекту.
Практичне вивчення RL на
Python допоможе освоїти не тільки базові, а й передові алгоритми глибокого навчання з підкріпленням.
Ви почнете з основних принципів навчання з підкріпленням, OpenAI Gym і TensorFlow, познайомтеся з марковськими ланцюгами, методом Монте-Карло
та динамічним програмуванням, так що «страшні» абревіатури DQN, DRQN, A3C, PPO і TRPO незабаром перестануть вас лякати. Ви дізнаєтеся про агенти, які вчаться на людських перевагах, DQfD, HER і багатьох інших останніх досягненнях RL.
Прочитавши книгу, ви придбаєте знання та досвід, необхідні для реалізації навчання з підкріпленням і глибокого навчання з підкріпленням у реальних проєктах, і увійдіть у світ штучного інтелекту.
У цій книзі ви:
• Познайомтеся з основами методів, алгоритмів і елементів RL
• Обвчіть агента за допомогою OpenAI Gym і Tensorflow
• Опануйте марковські процеси прийняття рішень, оптимальність Белмана та навчання TD
• Навчіться розв'язувати проблеми багаторухих бандитів
• Опануєте алгоритми глибокого навчання, як-от RNN, LSTM і CNN
• Створіть інтелектуальних агентів за допомогою алгоритму DRQN, які зможуть грати в Doom
• За допомогою DDPG навчите агентів грати в Lunar Lander
• Відправте агента на автоперегони, використовуючи метод DQN
