دانلود کتاب Hands-On Q-Learning with Python: Practical Q-learning with OpenAI Gym, Keras, and TensorFlow
49,000 تومان
آموزش عملی Q با پایتون: یادگیری Q عملی با OpenAI Gym، Keras و TensorFlow
| موضوع اصلی | کامپیوتر – علوم کامپیوتر |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Packt Publishing |
| تعداد صفحه | 212 / 200 |
| حجم فایل | 9.48 مگابایت |
| کد کتاب | 1789345804 , 9781789345803 |
| نوبت چاپ | شومیز |
| نویسنده | Nazia Habib |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2019 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
Use Q-learning to train deep learning models using Markov decision processes (MDPs) Study practical deep reinforcement learning using deep Q-networks Explore state-based unsupervised learning for machine learning models Q-learning is a machine learning algorithm used to solve optimization problems in artificial intelligence (AI). It is one of the most popular fields of study among AI researchers. This book starts off by introducing you to reinforcement learning and Q-learning, in addition to helping you get familiar with OpenAI Gym as well as libraries such as Keras and TensorFlow.
A few chapters into the book, you will gain insights into model-free Q-learning and use deep Q-networks and double deep Q-networks to solve complex problems. This book will guide you in exploring use cases such as self-driving vehicles and OpenAI Gym’s CartPole problem. You will also learn how to tune and optimize Q-networks and their hyperparameters. As you progress, you will understand the reinforcement learning approach to solving real-world problems. You will also explore how to use Q-learning and related algorithms in real-world applications such as scientific research. Toward the end, you’ll gain a sense of what’s in store for reinforcement learning.
By the end of this book, you will be equipped with the skills you need to solve reinforcement learning problems using Q-learning algorithms with OpenAI Gym, Keras, and TensorFlow.
What you will learn Explore the fundamentals of reinforcement learning and the state-action-reward process Understand Markov decision processes Get well-versed in libraries such as Keras and TensorFlow Create and deploy model-free learning and deep Q-learning agents with TensorFlow, Keras, and OpenAI Gym Choose and optimize a Q-network’s learning parameters and fine-tune its performance Discover real-world applications and use cases of Q-learning If you are a machine learning developer, engineer, or professional who wants to delve into the deep learning approach for a complex environment, then this is the book for you. Proficiency in Python programming and basic understanding of decision-making in reinforcement learning is assumed.
ترجمه فارسی (ترجمه ماشینی)
ویژگی های کلیدی
استفاده از یادگیری Q برای آموزش مدلهای یادگیری عمیق با استفاده از فرآیندهای تصمیم مارکوف (MDPs) مطالعه یادگیری تقویتی عمیق کاربردی با استفاده از شبکههای Q عمیق کاوش یادگیری بدون نظارت مبتنی بر حالت برای مدلهای یادگیری ماشینی یادگیری Q یک الگوریتم یادگیری ماشینی است که برای حل مسائل بهینهسازی در هوش مصنوعی (AI). این یکی از محبوب ترین رشته های تحصیلی در بین محققان هوش مصنوعی است. این کتاب با آشنایی شما با یادگیری تقویتی و یادگیری Q شروع می شود، علاوه بر این به شما کمک می کند تا با OpenAI Gym و همچنین کتابخانه هایی مانند Keras و TensorFlow آشنا شوید.
چند فصل در این کتاب، بینشهایی در مورد یادگیری Q بدون مدل به دست خواهید آورد و از شبکههای Q عمیق و شبکههای Q دوگانه عمیق برای حل مسائل پیچیده استفاده میکنید. این کتاب شما را در بررسی موارد استفاده مانند وسایل نقلیه خودران و مشکل CartPole در ورزشگاه OpenAI راهنمایی می کند. همچنین نحوه تنظیم و بهینه سازی شبکه های Q و فراپارامترهای آنها را یاد خواهید گرفت. با پیشرفت، رویکرد یادگیری تقویتی برای حل مسائل دنیای واقعی را درک خواهید کرد. همچنین نحوه استفاده از Q-learning و الگوریتم های مرتبط در برنامه های کاربردی دنیای واقعی مانند تحقیقات علمی را بررسی خواهید کرد. در انتها، حسی از آنچه در انتظار یادگیری تقویتی است به دست خواهید آورد.
در پایان این کتاب، شما به مهارتهایی که برای حل مسائل یادگیری تقویتی با استفاده از الگوریتمهای یادگیری Q با OpenAI Gym، Keras و TensorFlow نیاز دارید، مجهز میشوید.
آنچه یاد خواهید گرفت اصول یادگیری تقویتی و فرآیند حالت-اقدام-پاداش را کاوش کنید درک فرآیندهای تصمیم مارکوف آشنایی کامل با کتابخانه هایی مانند Keras و TensorFlow ایجاد و استقرار یادگیری بدون مدل و عوامل یادگیری عمیق Q با TensorFlow، Keras و OpenAI Gym پارامترهای یادگیری شبکه Q را انتخاب و بهینه کنید و عملکرد آن را تنظیم کنید. برنامههای کاربردی دنیای واقعی را کشف کنید و از موارد یادگیری Q استفاده کنید اگر توسعهدهنده، مهندس یا حرفهای یادگیری ماشین هستید و میخواهید به عمق آن بپردازید. رویکرد یادگیری برای یک محیط پیچیده، پس این کتاب برای شماست. مهارت در برنامه نویسی پایتون و درک اولیه تصمیم گیری در یادگیری تقویتی فرض شده است.
برای فرستادن دیدگاه، باید وارد شده باشید.
محصولات مرتبط
دانلود کتاب Mastering QlikView: Let QlikView help you uncover game-changing BI data insights with this advanced QlikView guide, designed for a world that demands better Business Intelligence
| موضوع اصلی | کامپیوتر - سایبرنتیک |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Packt Publishing |
| تعداد صفحه | 422 |
| حجم فایل | 31.82 مگابایت |
| کد کتاب | 1782173293 , 9781782173298 |
نقد و بررسیها
هنوز بررسیای ثبت نشده است.