دانلود کتاب Hands-On Reinforcement Learning with Python – Second Edition. Code

49,000 تومان

آموزش تقویتی دستی با پایتون – ویرایش دوم. کد


موضوع اصلی کامپیوترها
نوع کالا کتاب الکترونیکی
ناشر Packt Publishing
حجم فایل 42.80 مگابایت
کد کتاب 1788836529 , 9781788836524
نوبت چاپ 2
نویسنده
زبانانگلیسی
فرمتZIP
سال انتشار2018
مطلب پیشنهادی: با پول کتاب در ایران چی میشه خرید؟
در صورت نیاز به تبدیل فایل به فرمت‌های PDF، EPUB، AZW3، MOBI و یا DJVU می‌توانید به پشتیبان اطلاع دهید تا در صورت امکان، فایل مورد نظر را تبدیل نمایند. سایت بَلیان دارای تخفیف پلکانی است، یعنی با افزودن کتاب بیشتر به سبدخرید، قیمت آن برای شما کاهش می‌یابد. جهت مشاهده درصد تخفیف‌ها بر روی «جدول تخفیف پلکانی» در پایین کلیک نمایید. جهت یافتن سایر کتاب‌های مشابه، از منو جستجو در بالای سایت استفاده نمایید.
شما می‌توانید با هر 1000 تومان خرید، ۱ شانس شرکت در قرعه‌کشی کتابخانه دیجیتال بلیان دریافت کنید و شانس خود را برای برنده شدن جوایز هیجان انگیز امتحان کنید. «شرایط شرکت در قرعه‌کشی»

جدول کد تخفیف

با افزودن چه تعداد کتاب به سبد‌خرید، چند‌ درصد تخفیف شامل آن خواهد شد؟ در این جدول پاسخ این سوال را خواهید یافت. برای مثال: اگر بین ۳ الی ۵ کتاب را در سبد خرید خود قرار دهید، ۲۵ درصد تخفیف شامل سبد‌خرید شما خواهد شد.
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
توضیحات
Code .A hands-on guide enriched with examples to master deep reinforcement learning algorithms with Python Key Features Your entry point into the world of artificial intelligence using the power of Python An example-rich guide to master various RL and DRL algorithms Explore various state-of-the-art architectures along with math Book Description Reinforcement Learning (RL) is the trending and most promising branch of artificial intelligence. Hands-On Reinforcement learning with Python will help you master not only the basic reinforcement learning algorithms but also the advanced deep reinforcement learning algorithms. The book starts with an introduction to Reinforcement Learning followed by OpenAI Gym, and TensorFlow. You will then explore various RL algorithms and concepts, such as Markov Decision Process, Monte Carlo methods, and dynamic programming, including value and policy iteration. This example-rich guide will introduce you to deep reinforcement learning algorithms, such as Dueling DQN, DRQN, A3C, PPO, and TRPO. You will also learn about imagination-augmented agents, learning from human preference, DQfD, HER, and many more of the recent advancements in reinforcement learning. By the end of the book, you will have all the knowledge and experience needed to implement reinforcement learning and deep reinforcement learning in your projects, and you will be all set to enter the world of artificial intelligence. What you will learn Understand the basics of reinforcement learning methods, algorithms, and elements Train an agent to walk using OpenAI Gym and Tensorflow Understand the Markov Decision Process, Bellman’s optimality, and TD learning Solve multi-armed-bandit problems using various algorithms Master deep learning algorithms, such as RNN, LSTM, and CNN with applications Build intelligent agents using the DRQN algorithm to play the Doom game Teach agents to play the Lunar Lander game using DDPG Train an agent to win a car racing game using dueling DQN Who this book is for If you’re a machine learning developer or deep learning enthusiast interested in artificial intelligence and want to learn about reinforcement learning from scratch, this book is for you. Some knowledge of linear algebra, calculus, and the Python programming language will help you understand the concepts covered in this book.

ترجمه فارسی (ترجمه ماشینی)

کد .راهنمای عملی غنی شده با مثال‌هایی برای تسلط بر الگوریتم‌های یادگیری تقویتی عمیق با ویژگی‌های کلیدی پایتون نقطه ورود شما به دنیای هوش مصنوعی با استفاده از قدرت پایتون راهنمای غنی از نمونه برای تسلط بر الگوریتم‌های مختلف RL و DRL کاوش حالت‌های مختلف معماری‌های پیشرفته همراه با کتاب ریاضی، آموزش تقویتی (RL) پرطرفدارترین و امیدوارکننده‌ترین شاخه هوش مصنوعی است. آموزش تقویتی Hands-On با پایتون به شما کمک می کند تا نه تنها بر الگوریتم های اصلی یادگیری تقویتی، بلکه بر الگوریتم های پیشرفته یادگیری تقویتی عمیق نیز تسلط داشته باشید. کتاب با مقدمه‌ای بر یادگیری تقویتی و سپس OpenAI Gym و TensorFlow شروع می‌شود. سپس الگوریتم‌ها و مفاهیم مختلف RL، مانند فرآیند تصمیم‌گیری مارکوف، روش‌های مونت کارلو، و برنامه‌نویسی پویا، از جمله تکرار ارزش و سیاست را بررسی خواهید کرد. این راهنمای غنی از نمونه شما را با الگوریتم های یادگیری تقویتی عمیق، مانند Dueling DQN، DRQN، A3C، PPO و TRPO آشنا می کند. همچنین در مورد عوامل تقویت‌شده تخیل، یادگیری از اولویت‌های انسانی، DQfD، HER و بسیاری دیگر از پیشرفت‌های اخیر در یادگیری تقویتی خواهید آموخت. در پایان کتاب، شما تمام دانش و تجربه لازم برای پیاده سازی یادگیری تقویتی و یادگیری تقویتی عمیق را در پروژه های خود خواهید داشت و برای ورود به دنیای هوش مصنوعی آماده خواهید بود. آنچه خواهید آموخت درک اصول اولیه روش ها، الگوریتم ها و عناصر یادگیری تقویتی آموزش یک عامل برای راه رفتن با استفاده از OpenAI Gym و Tensorflow درک فرآیند تصمیم گیری مارکوف، بهینه بودن بلمن، و یادگیری TD حل مسائل راهزن چند مسلح با استفاده از الگوریتم های مختلف استاد عمیق الگوریتم‌های یادگیری مانند RNN، LSTM و CNN با برنامه‌های کاربردی ساخت عوامل هوشمند با استفاده از الگوریتم DRQN ​​برای بازی Doom به ماموران آموزش بازی Lunar Lander با استفاده از DDPG آموزش مامور برای برنده شدن در یک بازی اتومبیل رانی با استفاده از دوئل DQN این کتاب چه کسی است. برای اگر شما یک توسعه دهنده یادگیری ماشینی یا علاقه مند به یادگیری عمیق هستید که به هوش مصنوعی علاقه مند هستید و می خواهید در مورد یادگیری تقویتی از ابتدا یاد بگیرید، این کتاب برای شما مناسب است. مقداری دانش از جبر خطی، حساب دیفرانسیل و انتگرال، و زبان برنامه نویسی پایتون به شما در درک مفاهیم مطرح شده در این کتاب کمک می کند.

نظرات (0)

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود کتاب Hands-On Reinforcement Learning with Python – Second Edition. Code”