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