Applying Reinforcement Learning on Real-World Data with Practical Examples in Python

Inglese, Kajal Singh, Matthew E. Taylor, Philip Osborne, 2022
Consegna tra mer, 29.7. e ven, 31.7.
Più di 10 pezzi ordinati
spedizione gratuita

Informazioni sul prodotto

Il libro "Applying Reinforcement Learning on Real-World Data with Practical Examples in Python" offre un'introduzione completa all'applicazione del Reinforcement Learning (RL) in scenari reali. È destinato ad accademici, professionisti e appassionati di dati che desiderano comprendere e applicare i principi fondamentali del RL. L'autore, Philip Osborne, insieme a Kajal Singh e Matthew E. Taylor, spiega come le metodologie RL possano essere utilizzate con successo in vari settori come la robotica, il trading finanziario e l'ottimizzazione della catena di approvvigionamento. Il libro mette in evidenza le sfide che si presentano nell'applicazione del RL nel mondo reale, come la scarsità di dati e la necessità di formattare i dati correttamente. Attraverso esempi pratici e spiegazioni dettagliate, i lettori vengono guidati a interiorizzare i concetti e a implementare efficacemente le metodologie. La combinazione di conoscenze teoriche e applicazioni pratiche rende questo libro una risorsa preziosa per chiunque desideri affrontare l'implementazione del Reinforcement Learning nella pratica.

Le specifiche più importanti in sintesi

argomento
Tecnologia & IT
Subtopic
Informatica
Lingua
Inglese
Autore
Kajal SinghMatthew E. TaylorPhilip Osborne
Anno
2022
Numero di pagine
92
Copertina del libro
Libro tascabile

Informazioni generali

No. di articolo
56859053
Editore
Springer
Categoria
Libro specialistico
Data di rilascio
27.3.2025

Caratteristiche del libro

argomento
Tecnologia & IT
Subtopic
Informatica
Lingua
Inglese
Autore
Kajal SinghMatthew E. TaylorPhilip Osborne
Anno
2022
Numero di pagine
92
Copertina del libro
Libro tascabile

Contributo climatico volontario

Emissioni di CO₂
0.35 kg
Contributo climatico
CHF 0.11

Dimensioni prodotto

Altezza
235 mm
Larghezza
191 mm

30 di diritto di recesso se non aperto
Nessuna garanzia

Confronta i prodotti

Suggerimenti

Valutazioni e opinioni

Ritenuta di garanzia

La frequenza con cui un prodotto di questo marchio nella categoria «Libro specialistico» presenta un difetto nei primi 24 mesi.

Fonte: Digitec Galaxus
  • 1.Rheinwerk
    0 %
  • 1.S.Fischer
    0 %
  • 1.Springer
    0 %
  • 1.Stämpfli
    0 %
  • 1.Ullstein
    0 %

Durata della garanzia

Il tempo di elaborazione che intercorre tra l'arrivo al centro di assistenza e il recupero da parte del cliente, in media in giorni lavorativi.

Fonte: Digitec Galaxus
  • Springer
    Dati non sufficienti
  • An der Ruhr
    Dati non sufficienti
  • Anaconda
    Dati non sufficienti
  • Ariston
    Dati non sufficienti
  • Avery Publishing Group
    Dati non sufficienti

Purtroppo non disponiamo di dati sufficienti per questa categoria per mostrarti ulteriori percentuali.

Percentuale di reso

La frequenza con cui un prodotto di questo marchio nella categoria «Libro specialistico» viene restituito.

Fonte: Digitec Galaxus
  • 61.HarperCollins
    1.2 %
  • 61.Klett-Cotta
    1.2 %
  • 61.Springer
    1.2 %
  • 61.Various Publishers
    1.2 %
  • 68.Anaconda
    1.3 %
Fonte: Digitec Galaxus