简介
图片.png
使用Python及其强大的库实现最先进的深度强化学习算法强化学习是机器学习中最令人兴奋和快速发展的领域之一。这是由于近年来发展的许多新算法和令人难以置信的结果。
在本书中，您将了解RL的核心概念，包括Q学习，策略渐变，蒙特卡罗过程以及几种深度强化学习算法。当您完成本书时，您将使用各种模态的数据集（包括图像，文本和视频）处理项目。您将获得多个领域的经验，包括游戏，图像处理和物理模拟。您将探索TensorFlow和OpenAI Gym等技术，以实施深度学习强化学习算法，该算法还可以预测股票价格，生成自然语言，甚至构建其他神经网络。
在本书的最后，您将获得八个强化学习项目的实践经验，每个项目都涉及不同的主题和/或算法。我们希望这些实践练习能为您提供更好的直觉和洞察强化学习领域，以及如何将其算法应用于现实生活中的各种问题
参考资料
- 下载：https://itbooks.pipipan.com/fs/18113597-358104295
- 讨论qq群144081101 591302926 567351477
- python测试开发项目实战-目录
- 本文涉及的python测试开发库 谢谢点赞！
- 本文相关海量书籍下载
- 2018最佳人工智能机器学习工具书及下载(持续更新)
- Format Pdf
- Page Count 380 Pages
- Python-Reinforcement-Learning-Projects 2019-04 16+星
你会学到什么
- 训练和评估使用TensorFlow for RL构建的神经网络
- 在Python和TensorFlow中使用RL算法来解决CartPole平衡问题
- 创建深度强化学习算法来玩Atari游戏
- 使用OpenAI Universe部署RL算法
- 开发聊天机器人
- 实现基本的演员评论算法以实现连续控制
- 将先进的深度RL算法应用于Minecraft等游戏
- 使用RL自动生成图像分类器
网友评论