دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st ed.
نویسندگان: Taweh Beysolow II
سری:
ISBN (شابک) : 9781484251263, 9781484251270
ناشر: Apress
سال نشر: 2019
تعداد صفحات: 177
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب آموزش تقویتی کاربردی با پایتون: با OpenAI Gym، Tensorflow و Keras: علوم کامپیوتر، پایتون، منبع باز
در صورت تبدیل فایل کتاب Applied Reinforcement Learning with Python: With OpenAI Gym, Tensorflow, and Keras به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب آموزش تقویتی کاربردی با پایتون: با OpenAI Gym، Tensorflow و Keras نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
در دنیای الگوریتمهای یادگیری تقویتی کاوش کنید و از طریق پایتون آنها را در موارد مختلف استفاده کنید. این کتاب موضوعات مهمی مانند گرادیان های خط مشی و یادگیری Q را پوشش می دهد و از چارچوب هایی مانند Tensorflow، Keras و OpenAI Gym استفاده می کند.
آموزش تقویتی کاربردی با Python شما را با تئوری الگوریتم های یادگیری تقویتی (RL) و کدی که برای پیاده سازی آنها استفاده می شود آشنا می کند. شما یک تور راهنما از طریق ویژگیهای OpenAI Gym، از استفاده از کتابخانههای استاندارد گرفته تا ایجاد محیطهای شخصی خود خواهید داشت، سپس دریابید که چگونه مشکلات یادگیری تقویتی را چارچوببندی کنید تا بتوانید راهحلهای مبتنی بر RL را تحقیق، توسعه و اجرا کنید.
آنچه یاد خواهید گرفت
< /p>
این کتاب برای چه کسی است
دانشمندان داده، مهندسان یادگیری ماشین و مهندسان نرم افزار آشنا با یادگیری ماشین و مفاهیم یادگیری عمیق.
Delve into the world of reinforcement learning algorithms and apply them to different use-cases via Python. This book covers important topics such as policy gradients and Q learning, and utilizes frameworks such as Tensorflow, Keras, and OpenAI Gym.
Applied Reinforcement Learning with Python introduces you to the theory behind reinforcement learning (RL) algorithms and the code that will be used to implement them. You will take a guided tour through features of OpenAI Gym, from utilizing standard libraries to creating your own environments, then discover how to frame reinforcement learning problems so you can research, develop, and deploy RL-based solutions.
What You'll Learn
Who This Book Is For
Data scientists, machine learning engineers and software engineers familiar with machine learning and deep learning concepts.
Front Matter ....Pages i-xv
Introduction to Reinforcement Learning (Taweh Beysolow II)....Pages 1-17
Reinforcement Learning Algorithms (Taweh Beysolow II)....Pages 19-53
Reinforcement Learning Algorithms: Q Learning and Its Variants (Taweh Beysolow II)....Pages 55-76
Market Making via Reinforcement Learning (Taweh Beysolow II)....Pages 77-94
Custom OpenAI Reinforcement Learning Environments (Taweh Beysolow II)....Pages 95-112
Back Matter ....Pages 113-168