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:
نویسندگان: Sayon Dutta
سری:
ISBN (شابک) : 9781788835725, 1788835727
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: 3 مگابایت
در صورت تبدیل فایل کتاب Reinforcement Learning With TensorFlow: A Beginner’s Guide to Designing Self-Learning Systems With TensorFlow and OpenAI Gym 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 با TensorFlow: راهنمای مبتدیان برای طراحی سیستم های خودآموز با تنسورفلو و ورزشگاه OpenAI 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.
از قدرت تکنیک های یادگیری تقویتی برای توسعه سیستم های خودآموز با استفاده از TensorFlow استفاده کنید
یادگیری تقویتی (RL) به شما امکان می دهد سیستم های هوشمند، سریع و خودآموز را در محیط کسب و کار خود توسعه دهید. این یک روش موثر برای آموزش عوامل یادگیری و حل انواع مشکلات در هوش مصنوعی - از بازیها، ماشینهای خودران و روباتها، تا برنامههای کاربردی سازمانی مانند صرفهجویی در انرژی مرکز داده (مراکز داده خنککننده) و راهحلهای انبارداری هوشمند است.
این کتاب پیشرفتها و موفقیتهای عمدهای را که در یادگیری تقویتی عمیق با همافزایی معماریهای شبکه عصبی عمیق با یادگیری تقویتی به دست آمده است، پوشش میدهد. همچنین با مفهوم یادگیری تقویتی، مزایای آن و دلایل محبوبیت آن آشنا خواهید شد. شما MDP ها، جستجوهای درخت مونت کارلو، برنامه نویسی پویا مانند تکرار خط مشی و ارزش، و یادگیری تفاوت های زمانی مانند Q-learning و SARSA را بررسی خواهید کرد. شما از TensorFlow و OpenAI Gym برای ساخت مدلهای شبکه عصبی ساده استفاده خواهید کرد که از اقدامات خود درس میگیرند. همچنین خواهید دید که چگونه الگوریتم های یادگیری تقویتی در بازی ها، پردازش تصویر و NLP نقش دارند.
در پایان این کتاب، درک محکمی از چیستی یادگیری تقویتی به دست خواهید آورد و خواهید فهمید که چگونه با استفاده از قدرت TensorFlow و OpenAI Gym از دانش خود استفاده عملی کنید.
اگر می خواهید با استفاده از TensorFlow به کاربردی ترین روش یادگیری تقویتی را شروع کنید، این کتاب منبع مفیدی خواهد بود. این کتاب دانش قبلی از یادگیری ماشین و مفاهیم برنامهنویسی شبکههای عصبی و همچنین درک چارچوب TensorFlow را فرض میکند. هیچ تجربه قبلی از یادگیری تقویتی لازم نیست.
Leverage the power of reinforcement learning techniques to develop self-learning systems using TensorFlow
Reinforcement learning (RL) allows you to develop smart, quick and self-learning systems in your business surroundings. It's an effective method for training learning agents and solving a variety of problems in Artificial Intelligence - from games, self-driving cars and robots, to enterprise applications such as data center energy saving (cooling data centers) and smart warehousing solutions.
The book covers major advancements and successes achieved in deep reinforcement learning by synergizing deep neural network architectures with reinforcement learning. You'll also be introduced to the concept of reinforcement learning, its advantages and the reasons why it's gaining so much popularity. You'll explore MDPs, Monte Carlo tree searches, dynamic programming such as policy and value iteration, and temporal difference learning such as Q-learning and SARSA. You will use TensorFlow and OpenAI Gym to build simple neural network models that learn from their own actions. You will also see how reinforcement learning algorithms play a role in games, image processing and NLP.
By the end of this book, you will have gained a firm understanding of what reinforcement learning is and understand how to put your knowledge to practical use by leveraging the power of TensorFlow and OpenAI Gym.
If you want to get started with reinforcement learning using TensorFlow in the most practical way, this book will be a useful resource. The book assumes prior knowledge of machine learning and neural network programming concepts, as well as some understanding of the TensorFlow framework. No previous experience of reinforcement learning is required.
**