Deep Reinforcement Learning in Action

Gli esseri umani apprendono meglio dai feedback; siamo incoraggiati a intraprendere azioni che portano a risultati positivi, mentre siamo dissuasi da decisioni con conseguenze negative. Questo processo di rinforzo può essere applicato ai programmi informatici, consentendo loro di risolvere problemi più complessi che la programmazione classica non può affrontare.

Deep Reinforcement Learning in Action ti insegna i concetti fondamentali e la terminologia dell'apprendimento profondo per rinforzo, insieme alle competenze pratiche e alle tecniche necessarie per implementarlo nei tuoi progetti.

Caratteristiche principali

• Strutturare i problemi come Processi Decisionali di Markov
• Algoritmi popolari come Deep Q-Networks, metodo del Gradiente di Politica e Algoritmi Evolutivi, e le intuizioni che li guidano
• Applicare algoritmi di apprendimento per rinforzo a problemi del mondo reale

Pubblico

Avrai bisogno di competenze intermedie in Python e di una comprensione di base dell'apprendimento profondo.

Informazioni sulla tecnologia

L'apprendimento profondo per rinforzo è una forma di apprendimento automatico in cui gli agenti AI apprendono comportamenti ottimali dai propri input sensoriali grezzi. Il sistema percepisce l'ambiente, interpreta i risultati delle sue decisioni passate e utilizza queste informazioni per ottimizzare il proprio comportamento per un ritorno massimo a lungo termine. L'apprendimento profondo per rinforzo ha contribuito in modo significativo al successo di AlphaGo, ma non è tutto ciò che può fare!.