用Python實作強化學習｜使用TensorFlow與OpenAI Gym
強化學習可說是能自我演進的機器學習，能帶領我們達到真正的人工智慧。本書好讀又容易上手，運用了大量Python範例來從頭解釋所有東西。 本書從強化學習的簡介開始，接著是OpenAI Gym與TensorFlow。您會認識各種RL演算法與重要觀念，例如Markov決策過程、蒙地卡羅法與動態規劃，包括價值迭代與策略迭代。本書提供了非常豐富的範例幫助您認識各種深度強化學習演算法，例如競爭
收集中
US$11.39
強化學習可說是能自我演進的機器學習，能帶領我們達到真正的人工智慧。本書好讀又容易上手，運用了大量Python範例來從頭解釋所有東西。
本書從強化學習的簡介開始，接著是OpenAI Gym與TensorFlow。您會認識各種RL演算法與重要觀念，例如Markov決策過程、蒙地卡羅法與動態規劃，包括價值迭代與策略迭代。本書提供了非常豐富的範例幫助您認識各種深度強化學習演算法，例如競爭DQN、DRQN、A3C、PPO與TRPO。您還會學到想像增強代理、透過人類偏好來學習、DQfD、HER以及更多強化學習的最新發展。
本書精彩內容：
．理解強化學習方法、演算法與重要元素的相關基礎
．使用OpenAI Gym與TensorFlow來訓練代理
．理解Markov決策過程、Bellman最佳化與TD學習
．運用多種演算法來解決多臂式吃角子老虎問題
．熟悉各種深度學習演算法，如RNN、LSTM、CNN與其應用
．使用DRQN演算法來建置智能代理來玩毀滅戰士遊戲
．使用DDPG來教導代理來玩月球冒險遊戲
．使用競爭DQN來訓練代理來玩賽車遊戲
章节目录
1-1封面頁
1-2書名頁
1-3關於作者
1-4關於審校
1-5目錄
1-6前言
1-7Ch01 認識強化學習
1-8什麼是RL ？
1-9RL 演算法
1-10RL 與其他ML 方法有何不同？
1-11RL 所包含的重要元素
1-12代理
1-13策略函數
1-14價值函數
1-15模型
1-16代理環境介面
1-17RL 的環境類型
1-18決定型環境
1-19隨機型環境
1-20完全可觀察環境
1-21部分可觀察環境
1-22離散型環境
1-23連續型環境
1-24世代型與非世代型環境
1-25單一代理與多重代理環境
1-26RL 的各種平台
1-27OpenAI Gym 與 Universe
1-28DeepMind Lab
1-29RL-Glue
1-30Project Malmo
1-31ViZDoom
1-32RL 的各種應用
1-33教育
1-34醫學與健康照護
1-35製造業
1-36庫存管理
1-37金融
1-38自然語言處理與電腦視覺
1-39總結
1-40問題
1-41延伸閱讀
1-42Ch02 認識OpenAI 與TensorFlow
1-43設定電腦
1-44安裝 Anaconda
1-45安裝 Docker
1-46安裝 OpenAI Gym 與 Universe
1-47OpenAI Gym
1-48基本模擬
1-49訓練機器人走路
1-50OpenAI Universe
1-51打造電玩機器人
1-52TensorFlow
1-53變數、常數與佔位符
1-54運算圖
1-55階段
1-56TensorBoard
1-57總結
1-58問題
1-59延伸閱讀
1-60Ch03 Markov 決策過程與動態規劃
1-61Markov 鏈與Markov 過程
1-62Markov 決策過程
1-63獎勵與回報
1-64世代型與連續型任務
1-65折扣因子
1-66策略函數
1-67狀態 - 價值函數
1-68狀態 - 動作價值函數（Q 函數）
1-69Bellman 方程式與最佳性
1-70推導用於價值函數與 Q 函數的 Bellman 方程式
1-71解Bellman 方程式
1-72動態規劃
1-73解決凍湖問題
1-74價值迭代
1-75策略迭代
1-76總結
1-77問題
1-78延伸閱讀
1-79Ch04 使用Monte Carlo方法來玩遊戲
1-80Monte Carlo 方法
1-81使用 Monte Carlo 來估算圓周率
1-82Monte Carlo 預測
1-83首次訪問 Monte Carlo
1-84每次訪問 Monte Carlo
1-85使用 Monte Carlo 來玩二十一點
1-86Monte Carlo 控制
1-87Monte Carlo 起始點
1-88現時 Monte Carlo 控制
1-89離線 Monte Carlo 控制
1-90總結
1-91問題
1-92延伸閱讀
1-93Ch05 時間差分學習
1-94TD 學習
1-95TD 預測
1-96TD 控制
1-97Q 學習
1-98SARSA
1-99Q 學習與SARSA 的差異
1-100總結
1-101問題
1-102延伸閱讀
1-103Ch06 多臂式吃角子老虎機問題
1-104MAB 問題
1-105epsilon- 貪婪策略
1-106softmax 探索演算法
1-107信賴區間上限演算法
1-108湯普森取樣演算法
1-109MAB 的應用
1-110使用MAB 來找出正確的廣告橫幅
1-111情境式吃角子老虎機
1-112總結
1-113問題
1-114延伸閱讀
1-115Ch07 深度學習的基礎概念
1-116人工神經元
1-117類神經網路
1-118輸入層
1-119隱藏層
1-120輸出層
1-121觸發函數
1-122深入理解ANN
1-123梯度下降
1-124TensorFlow 中的神經網路
1-125RNN
1-126隨著時間進行反向傳播
1-127長短期記憶RNN
1-128使用 LSTM RNN 來產生歌詞
1-129卷積神經網路
1-130卷積層
1-131池化層
1-132全連接層
1-133CNN 的架構
1-134使用CNN 來分類時尚產品
1-135總結
1-136問題
1-137延伸閱讀
1-138Ch08 使用深度Q 網路來玩Atari 遊戲
1-139什麼是深度Q 網路？
1-140DQN 的架構
1-141卷積網路
1-142經驗回放
1-143目標網路
1-144獎勵修剪
1-145認識演算法
1-146建立代理來進行Atari 遊戲
1-147雙層DQN
1-148優先經驗回放
1-149競爭網路架構
1-150總結
1-151問題
1-152延伸閱讀
1-153Ch09 使用深度循環Q 網路來玩毀滅戰士
1-154DRQN
1-155DRQN 的架構
1-156訓練代理來玩毀滅戰士
1-157簡易毀滅戰士遊戲
1-158使用 DRQN 來玩毀滅戰士
1-159DARQN
1-160DARQN 的架構
1-161總結
1-162問題
1-163延伸閱讀
1-164Ch10 非同步優勢動作評價網路
1-165非同步優勢動作評價
1-166三個 A
1-167A3C 的架構
1-168A3C 的運作原理
1-169使用A3C 來爬山
1-170在 TensorBoard 中來視覺化呈現
1-171總結
1-172問題
1-173延伸閱讀
1-174Ch11 策略梯度與最佳化
1-175策略梯度
1-176使用策略梯度來玩月球冒險遊戲
1-177深度確定性策略梯度
1-178搖動單擺
1-179信賴域策略最佳化
1-180近端策略最佳化
1-181總結
1-182問題
1-183延伸閱讀
1-184Ch12 總和專題–使用DQN 來玩賽車遊戲
1-185環境包裝函數
1-186競爭網路
1-187回放記憶
1-188訓練網路
1-189賽車遊戲
1-190總結
1-191問題
1-192延伸閱讀
1-193Ch13 近期發展與下一步
1-194想像增強代理
1-195由人類偏好來學習
1-196由示範來進行深度Q 學習
1-197事後經驗回放
1-198層次強化學習
1-199MAXQ 價值函數分解
1-200逆向強化學習
1-201總結
1-202問題
1-203延伸閱讀
1-204附錄A 參考答案
1-205版權頁
1-206封底頁
常见问答
您可以透過手機、平板或是電腦登入 HiSKIO 平台，在【我的學習】＞【我的書籍】頁面，選擇想看的電子書。
猜你喜欢
專技高考-職業衛生技師歷屆考題彙編｜第三版
碁峰資訊收集中US$18.46AI繪圖完全攻略｜Midjourney、Leonardo.Ai、DALL·E、ChatGPT、Copilot、Canva GPT、MS Designer
碁峰資訊收集中US$18.15OpenAI API基礎必修課--使用Python(GPT-3.5、GPT-4、GPT-4o、DALL·E、TTS、Whisper模型)
碁峰資訊收集中US$16.27Visual C#程式設計經典-邁向Azure雲端、AI影像辨識與OpenAI API服務開發(適用C# 2022∕2019∕2017)
碁峰資訊收集中US$23.47文科生也可以輕鬆學會Web Scraper網路爬蟲與Power Automate X Excel大數據分析
碁峰資訊收集中US$18.77
用户评价
| 收集中