Suchen

Einstieg in Deep Reinforcement Learning

KI-Agenten mit Python und PyTorch programmieren

. Grundlegende Konzepte und Terminologie
. Praktischer Einsatz mit PyTorch
. Projekte umsetzen

Dieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.
Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften oder dem Aufbau eines Spiel-Bots an.

Aus dem Inhalt:
. Strukturierungsprobleme als Markov-Entscheidungsprozesse
. Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben
. Anwendung von Verstärkungslernalgorithmen auf reale Probleme

EXTRA: E-Book inside
Systemvoraussetzungen für E-Book inside: Internet-Verbindung und Adobe-Reader oder Ebook-Reader bzw. Adobe Digital Editions.

Artikelnummer: 978-3-446-45900-7
Versandbereit innert 24 Stunden
Fr. 52.90
decrease increase
Teilen

. Grundlegende Konzepte und Terminologie
. Praktischer Einsatz mit PyTorch
. Projekte umsetzen

Dieses Buch zeigt Ihnen, wie Sie Agenten programmieren, die basierend auf direktem Feedback aus ihrer Umgebung selbstständig lernen und sich dabei verbessern. Sie werden Netzwerke mit dem beliebten PyTorch-Deep-Learning-Framework aufbauen, um bestärkende Lernalgorithmen zu erforschen. Diese reichen von Deep-Q-Networks über Methoden zur Gradientenmethode bis hin zu evolutionären Algorithmen.
Im weiteren Verlauf des Buches wenden Sie Ihre Kenntnisse in praktischen Projekten wie der Steuerung simulierter Roboter, der Automatisierung von Börsengeschäften oder dem Aufbau eines Spiel-Bots an.

Aus dem Inhalt:
. Strukturierungsprobleme als Markov-Entscheidungsprozesse
. Beliebte Algorithmen wie Deep Q-Networks, Policy Gradient-Methode und Evolutionäre Algorithmen und die Intuitionen, die sie antreiben
. Anwendung von Verstärkungslernalgorithmen auf reale Probleme

EXTRA: E-Book inside
Systemvoraussetzungen für E-Book inside: Internet-Verbindung und Adobe-Reader oder Ebook-Reader bzw. Adobe Digital Editions.

Produktspezifikation
Verlag Hanser Fachbuch
Einband Fester Einband
Erscheinungsjahr 2020
Seitenangabe 352 S.
Meldetext Versandbereit innert 24 Stunden
Ausgabekennzeichen Deutsch
Masse H24.4 cm x B17.7 cm x D2.6 cm 880 g
Artikelart Lager
Autor Zai, Alexander / Brown, Brandon
Schreiben Sie Ihre eigene Bewertung
  • Nur registrierte Benutzer können Rezensionen verfassen
  • Schlecht
  • Sehr gut
Produktspezifikation
Verlag Hanser Fachbuch
Einband Fester Einband
Erscheinungsjahr 2020
Seitenangabe 352 S.
Meldetext Versandbereit innert 24 Stunden
Ausgabekennzeichen Deutsch
Masse H24.4 cm x B17.7 cm x D2.6 cm 880 g
Artikelart Lager
Autor Zai, Alexander / Brown, Brandon
Filters
Sort
display