Pythonによる深層強化学習（第２版） Deep Reinforcement Learning with Python : RLHF for Chatbots and Large Language Models （2. Aufl. 2024. xxv, 634 S. XXV, 634 p. 204 illus. 254 mm）

Pythonによる深層強化学習（第２版）<br>Deep Reinforcement Learning with Python : RLHF for Chatbots and Large Language Models （2. Aufl. 2024. xxv, 634 S. XXV, 634 p. 204 illus. 254 mm）

個数：

Pythonによる深層強化学習（第２版）
Deep Reinforcement Learning with Python : RLHF for Chatbots and Large Language Models （2. Aufl. 2024. xxv, 634 S. XXV, 634 p. 204 illus. 254 mm）

Sanghi, Nimish

ドイツ（DK）から取り寄せる

ウェブストア価格 ¥16,063（本体¥14,603）
SPRINGER, BERLIN; APRESS（2024発売）
外貨定価 EUR 64.19
ポイント 146pt

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

アメリカ（US）から取り寄せる

ウェブストア価格 ¥10,937（本体¥9,943）
SPRINGER, BERLIN; APRESS（2024発売）
外貨定価 US$ 59.99
ポイント 99pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
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 9798868802720

Full Description

Gain a theoretical understanding to the most popular libraries in deep reinforcement learning (deep RL). This new edition focuses on the latest advances in deep RL using a learn-by-coding approach, allowing readers to assimilate and replicate the latest research in this field.

New agent environments ranging from games, and robotics to finance are explained to help you try different ways to apply reinforcement learning. A chapter on multi-agent reinforcement learning covers how multiple agents compete, while another chapter focuses on the widely used deep RL algorithm, proximal policy optimization (PPO). You'll see how reinforcement learning with human feedback (RLHF) has been used by chatbots, built using Large Language Models, e.g. ChatGPT to improve conversational capabilities.

You'll also review the steps for using the code on multiple cloud systems and deploying models on platforms such as Hugging Face Hub. The code is in Jupyter Notebook, which canbe run on Google Colab, and other similar deep learning cloud platforms, allowing you to tailor the code to your own needs.

Whether it's for applications in gaming, robotics, or Generative AI, Deep Reinforcement Learning with Python will help keep you ahead of the curve.

What You'll Learn

Explore Python-based RL libraries, including StableBaselines3 and CleanRL
Work with diverse RL environments like Gymnasium, Pybullet, and Unity ML
Understand instruction finetuning of Large Language Models using RLHF and PPO
Study training and optimization techniques using HuggingFace, Weights and Biases, and Optuna

Who This Book Is For

Software engineers and machine learning developers eager to sharpen their understanding of deep RL and acquire practical skills in implementing RL algorithms fromscratch.

Chapter 1: Introduction to Reinforcement Learning.- Chapter 2: The Foundation - Markov Decision Processes.- Chapter 3: Model Based Approaches.- Chapter 4: Model Free Approaches.- Chapter 5: Function Approximation and Deep Reinforcement Learning.- Chapter 6: Deep Q-Learning (DQN).- Chapter 7: Improvements to DQN.- Chapter 8: Policy Gradient Algorithms.- Chapter 9: Combining Policy Gradient and Q-Learning.- Chapter 10: Integrated Planning and Learning.- Chapter 11: Proximal Policy Optimization (PPO) and RLHF.- Chapter 12: Introduction to Multi Agent RL (MARL).- Chapter 13: Additional Topics and Recent Advances.