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 TensorFlow reinforcement learning quick start guide: get up and running with training and deploying intelligent, self-learning agents using Python

دانلود کتاب راهنمای شروع سریع یادگیری تقویتی TensorFlow: با آموزش و به کارگیری عوامل هوشمند و خودآموزی با استفاده از پایتون شروع به کار کنید

TensorFlow reinforcement learning quick start guide: get up and running with training and deploying intelligent, self-learning agents using Python

مشخصات کتاب

TensorFlow reinforcement learning quick start guide: get up and running with training and deploying intelligent, self-learning agents using Python

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9781789533583, 1789533589 
ناشر: Packt Publishing 
سال نشر: 2019 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 34,000



کلمات کلیدی مربوط به کتاب راهنمای شروع سریع یادگیری تقویتی TensorFlow: با آموزش و به کارگیری عوامل هوشمند و خودآموزی با استفاده از پایتون شروع به کار کنید: هوش مصنوعی، شبکه های عصبی (علوم کامپیوتر)، پایتون (زبان برنامه کامپیوتری)، یادگیری تقویتی، تنسورفلو



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب TensorFlow reinforcement learning quick start guide: get up and running with training and deploying intelligent, self-learning agents using Python 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 راهنمای شروع سریع یادگیری تقویتی TensorFlow: با آموزش و به کارگیری عوامل هوشمند و خودآموزی با استفاده از پایتون شروع به کار کنید 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 راهنمای شروع سریع یادگیری تقویتی TensorFlow: با آموزش و به کارگیری عوامل هوشمند و خودآموزی با استفاده از پایتون شروع به کار کنید



از قدرت Tensorflow برای ایجاد عوامل نرم افزاری قدرتمندی استفاده کنید که می توانند برای انجام وظایف واقعی خود یاد بگیرند

ویژگی های کلیدی

  • کاوش در یادگیری تقویتی کارآمد الگوریتم ها و کدگذاری آنها با استفاده از TensorFlow و Python
    • آموزش عوامل تقویت آموزش برای مشکلات، از بازی های رایانه ای گرفته تا رانندگی مستقل.
    • در کمترین زمان، الگوریتم ها و تکنیک های انتخابی را در برنامه های خود فرموله و ابداع کنید.

      کتاب توضیحات

      پیشرفت در الگوریتم های یادگیری تقویتی امکان استفاده از آنها را برای کنترل بهینه در چندین کاربرد مختلف صنعتی فراهم کرده است. با این کتاب، یادگیری تقویتی را برای طیف وسیعی از مشکلات، از بازی‌های رایانه‌ای گرفته تا رانندگی خودکار، اعمال خواهید کرد.

      این کتاب با معرفی مفاهیم ضروری یادگیری تقویتی مانند عوامل، محیط‌ها، پاداش‌ها و عملکردهای مزیت آغاز می‌شود. شما همچنین به تمایز بین الگوریتم های درون خط مشی و خارج از خط مشی و همچنین بدون مدل و... تسلط خواهید داشت.


  • توضیحاتی درمورد کتاب به خارجی

    Leverage the power of Tensorflow to Create powerful software agents that can self-learn to perform real-world tasks

    Key Features

  • Explore efficient Reinforcement Learning algorithms and code them using TensorFlow and Python
    • Train Reinforcement Learning agents for problems, ranging from computer games to autonomous driving.
    • Formulate and devise selective algorithms and techniques in your applications in no time.

      Book Description

      Advances in reinforcement learning algorithms have made it possible to use them for optimal control in several different industrial applications. With this book, you will apply Reinforcement Learning to a range of problems, from computer games to autonomous driving.

      The book starts by introducing you to essential Reinforcement Learning concepts such as agents, environments, rewards, and advantage functions. You will also master the distinctions between on-policy and off-policy algorithms, as well as model-free and...



  • فهرست مطالب

    Table of ContentsUp and Running with Reinforcement Learning Temporal Difference, SARSA, and Q-LearningDeep Q-Network Double DQN, Dueling Architectures, and RainbowDeep Deterministic Policy GradientAsynchronous Methods - A3C and A2CTrust Region Policy Optimization and Proximal Policy OptimizationDeep RL Applied to Autonomous Driving




    نظرات کاربران