ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Keras Reinforcement Learning Projects

دانلود کتاب پروژه های آموزشی تقویتی Keras

Keras Reinforcement Learning Projects

مشخصات کتاب

Keras Reinforcement Learning Projects

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9781789342093, 1789342090 
ناشر: Packt Publishing 
سال نشر: 2018 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت

قیمت کتاب (تومان) : 83,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 4


در صورت تبدیل فایل کتاب Keras Reinforcement Learning Projects 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 پروژه های آموزشی تقویتی 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.


توضیحاتی در مورد کتاب پروژه های آموزشی تقویتی Keras



راهنمای عملی برای تسلط بر الگوریتم های یادگیری تقویتی با استفاده از Keras

ویژگی های کلیدی

  • ایجاد پروژه‌ها در زمینه‌های رباتیک، بازی، و امور مالی، به کار بردن یادگیری تقویتی (RL)
  • با Keras آشنا شوید و مجموعه داده‌های بدون ساختار دنیای واقعی را تمرین کنید
  • الگوریتم های پیشرفته یادگیری عمیق مانند مونت کارلو، تصمیم مارکوف و یادگیری Q را کشف کنید

شرح کتاب

یادگیری تقویتی در چند سال اخیر بسیار تکامل یافته است و ثابت شده است که یک تکنیک موفق در ساخت شبکه های هوش مصنوعی هوشمند و هوشمند است. Keras Reinforcement Learning Projects با استفاده از الگوریتم ها و تکنیک های یادگیری تقویتی، همراه با Keras، یک کتابخانه آزمایشی سریعتر، عملکرد در سطح انسانی را در برنامه های شما نصب می کند.

این کتاب با مفاهیم یادگیری تقویتی با استفاده از Keras شروع می شود. شما یاد خواهید گرفت که چگونه یک پیاده روی تصادفی را با استفاده از زنجیره های مارکوف شبیه سازی کنید و بهترین نمونه کارها را با استفاده از برنامه نویسی پویا (DP) و پایتون انتخاب کنید. همچنین پروژه‌هایی مانند پیش‌بینی قیمت سهام با استفاده از روش‌های مونت کارلو، ارائه برنامه مسیریابی وسیله نقلیه با استفاده از الگوریتم‌های یادگیری فاصله زمانی (TD) و متعادل کردن یک سیستم مکانیکی چرخشی با استفاده از فرآیندهای تصمیم‌گیری مارکوف را بررسی خواهید کرد.

هنگامی که اصول اولیه را فهمیدید، به مدلسازی Segway می‌روید، یک سیستم کنترل ربات را با استفاده از یادگیری تقویتی عمیق اجرا می‌کنید، و یک مدل تشخیص رقم دست‌نویس در پایتون با استفاده از مجموعه داده‌های تصویر می‌سازید. در نهایت، در انجام بازی رومیزی Go با کمک الگوریتم‌های یادگیری Q-Learning و تقویتی عالی خواهید بود.

در پایان این کتاب، نه تنها آموزش عملی در مورد مفاهیم، ​​الگوریتم‌ها و تکنیک‌های یادگیری تقویتی خواهید داشت، بلکه برای کشف دنیای هوش مصنوعی نیز آماده خواهید بود.

آنچه خواهید آموخت

  • فرآیند تصمیم مارکوف را در ارزیابی‌های پیش‌بینی و شرط‌بندی تمرین کنید
  • روش های مونت کارلو را برای پیش بینی رفتارهای محیطی پیاده سازی کنید
  • الگوریتم های یادگیری TD را برای مدیریت عملیات انبار کاوش کنید
  • یک شبکه Q-Deep با استفاده از Python و Keras برای کنترل حرکات ربات بسازید
  • مفاهیم تقویتی را برای ساختن یک مدل تشخیص رقم دست‌نویس با استفاده از مجموعه داده تصویر بکار ببرید
  • به یک مشکل نظریه بازی با استفاده از Q-Learning و OpenAI Gym رسیدگی کنید

این کتاب برای چه کسی است

اگر دانشمند داده، توسعه‌دهنده یادگیری ماشین یا مهندس هوش مصنوعی هستید که می‌خواهید با توسعه پروژه‌های عملی، اصول یادگیری تقویتی را درک کنید، پروژه‌های یادگیری تقویتی Keras برای شما مناسب است. دانش کامل یادگیری ماشین و آشنایی اولیه با Keras برای استفاده حداکثری از این کتاب مفید است

فهرست محتوا

  1. مرور کلی از یادگیری تقویتی Keras
  2. شبیه سازی پیاده روی تصادفی
  3. انتخاب نمونه کارها بهینه
  4. پیش‌بینی قیمت‌های بازار سهام
  5. برنامه مسیریابی وسیله نقلیه تحویل
  6. پیش بینی و ارزیابی شرط بندی ورق سکه با استفاده از فرآیندهای تصمیم مارکوف
  7. با استفاده از برنامه نویسی پویا یک دستگاه فروش خودکار بهینه بسازید
  8. سیستم کنترل ربات با استفاده از یادگیری تقویتی عمیق
  9. تشخیص دهنده رقم دست نویس
  10. بازی رومیزی برو
  11. بعدی چیست؟

**


توضیحاتی درمورد کتاب به خارجی

A practical guide to mastering reinforcement learning algorithms using Keras

Key Features

  • Build projects across robotics, gaming, and finance fields, putting reinforcement learning (RL) into action
  • Get to grips with Keras and practice on real-world unstructured datasets
  • Uncover advanced deep learning algorithms such as Monte Carlo, Markov Decision, and Q-learning

Book Description

Reinforcement learning has evolved a lot in the last couple of years and proven to be a successful technique in building smart and intelligent AI networks. Keras Reinforcement Learning Projects installs human-level performance into your applications using algorithms and techniques of reinforcement learning, coupled with Keras, a faster experimental library.

The book begins with getting you up and running with the concepts of reinforcement learning using Keras. You'll learn how to simulate a random walk using Markov chains and select the best portfolio using dynamic programming (DP) and Python. You'll also explore projects such as forecasting stock prices using Monte Carlo methods, delivering vehicle routing application using Temporal Distance (TD) learning algorithms, and balancing a Rotating Mechanical System using Markov decision processes.

Once you've understood the basics, you'll move on to Modeling of a Segway, running a robot control system using deep reinforcement learning, and building a handwritten digit recognition model in Python using an image dataset. Finally, you'll excel in playing the board game Go with the help of Q-Learning and reinforcement learning algorithms.

By the end of this book, you'll not only have developed hands-on training on concepts, algorithms, and techniques of reinforcement learning but also be all set to explore the world of AI.

What you will learn

  • Practice the Markov decision process in prediction and betting evaluations
  • Implement Monte Carlo methods to forecast environment behaviors
  • Explore TD learning algorithms to manage warehouse operations
  • Construct a Deep Q-Network using Python and Keras to control robot movements
  • Apply reinforcement concepts to build a handwritten digit recognition model using an image dataset
  • Address a game theory problem using Q-Learning and OpenAI Gym

Who this book is for

Keras Reinforcement Learning Projects is for you if you are data scientist, machine learning developer, or AI engineer who wants to understand the fundamentals of reinforcement learning by developing practical projects. Sound knowledge of machine learning and basic familiarity with Keras is useful to get the most out of this book

Table of Contents

  1. Overview of Keras Reinforcement Learning
  2. Simulating random walks
  3. Optimal Portfolio Selection
  4. Forecasting stock market prices
  5. Delivery Vehicle Routing Application
  6. Prediction and Betting Evaluations of coin flips using Markov decision processes
  7. Build an optimized vending machine using Dynamic Programming
  8. Robot control system using Deep Reinforcement Learning
  9. Handwritten Digit Recognizer
  10. Playing the board game Go
  11. What is next?

**





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد