Deep Reinforcement Learning (mitp Professional) （2020）

個数：

ポイントキャンペーン

Deep Reinforcement Learning (mitp Professional) （2020）

Lapan, Maxim

ウェブストア価格 ¥2,688（本体¥2,444）
MITP-Verlag（2020/07発売）
外貨定価 EUR 10.00
ゴールデンウィークポイント2倍キャンペーン対象商品（～5/6）
ポイント 48pt

在庫がございません。海外の書籍取次会社を通じて出版社等からお取り寄せいたします。
通常6～9週間ほどで発送の見込みですが、商品によってはさらに時間がかかることもございます。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合がございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Paperback:紙装版/ペーパーバック版
商品コード 9783747500361

Description

Alle wichtigen Methoden und Algorithmen praxisnah erläutert mit Codebeispielen in Python
Selbstständig lernende Agenten programmieren für die Steuerung von Robotern, NLP in interaktiven Spielen, Chatbots und mehr
Deep Q-Networks, Wertiteration, Policy Gradients, Trust Region Policy Optimization (TRPO), genetische Algorithmen, moderne Explorationsverfahren u.v.m.

Reinforcement Learning ist ein Teilgebiet des Machine Learnings. Hierbei werden selbstständig lernende Agenten programmiert, deren Lernvorgang ausschließlich durch ein Belohnungssystem und die Beobachtung der Umgebung gesteuert wird.

In diesem umfassenden Praxis-Handbuch zeigt Ihnen Maxim Lapan, wie Sie diese zukunftsweisende Technologie in der Praxis einsetzen. Sie lernen, wie Sie passende RL-Methoden für Ihre Problemstellung auswählen und mithilfe von Deep-Learning-Methoden Agenten für verschiedene Aufgaben trainieren wie zum Beispiel für das Lösen eines Zauberwürfels, für Natural Language Processing in Microsofts TextWorld-Umgebung oder zur Realisierung moderner Chatbots.

Alle Beispiele sind so gewählt, dass sie leicht verständlich sind und Sie diese auch ohne Zugang zu sehr großer Rechenleistung umsetzen können. Unter Einsatz von Python und der Bibliothek PyTorch ermöglicht Ihnen der Autor so einen einfachen und praktischen Einstieg in die Konzepte und Methoden des Reinforcement Learnings wie Deep Q-Networks, Wertiteration, Policy Gradients, Trust Region Policy Optimization (TRPO), genetische Algorithmen und viele mehr.

Es werden grundlegende Kenntnisse in Machine Learning und Deep Learning sowie ein sicherer Umgang mit Python vorausgesetzt.

Aus dem Inhalt:

Implementierung komplexer Deep-Learning-Modelle mit RL in tiefen neuronalen Netzen
Ermitteln der passenden RL-Methoden für verschiedene Problemstellungen, darunter DQN, Advantage Actor Critic, PPO, TRPO, DDPG, D4PG und mehr
Bauen und Trainieren eines kostengünstigen Hardware-Roboters
NLP in Microsofts TextWorld-Umgebung für interaktive Spiele
Diskrete Optimierung für das Lösen von Zauberwürfeln
Trainieren von Agenten für Vier Gewinnt mittels AlphaGo Zero
Die neuesten Deep-RL-Methoden für Chatbots
Moderne Explorationsverfahren wie verrauschte Netze und Netz-Destillation

Maxim Lapan ist Deep-Learning-Enthusiast und unabhängiger Forscher. Er hat langjährige Berufserfahrung mit Big Data und Machine Learning und beschäftigt sich derzeit insbesondere mit praktischen Anwendungen des Deep Learnings wie NLP und Deep Reinforcement Learning.

»Alle Beispiele können auch ohne Zugang zu großer Rechenleistung umgesetzt werden. Unter Einsatz von Python und PyTorch ermöglicht der Autor so einen praktischen Einstieg in die Konzepte und Methoden des Reinforcement Learnings.« (SPS Magazin 12/2022)

»Das Buch wendet sich an Leser mit guten Kenntnissen in Machine Learning und Deep Learning sowie in der Sprache Python. [...] Der besondere Wert des Buchs auch für kleinere Bibliotheken liegt darin, dass die vielen Beispiele auch ohne Zugang zu sehr großen Rechenleistungen, z.B. schon auf leistungsstärkeren Workstations nachvollzogen werden können.« (ekz-Bibliotheksservice, 08/2020)