소득공제
파이썬과 케라스로 배우는 강화학습
내 손으로 직접 구현하는 게임 인공지능
- 베스트
- 프로그래밍 언어 top100 5주
이미 소장하고 있다면 판매해 보세요.
- 해외배송 가능
- 최저가 보상
- 문화비소득공제 신청가능
이 상품의 태그
상세 이미지
책소개
목차
|
[1부] 강화학습 소개
▣ 1장: 강화학습 개요 ___강화학습의 개념 ___스키너의 강화 연구 ___우리 주변에서의 강화 ___머신러닝과 강화학습 ___스스로 학습하는 컴퓨터, 에이전트 강화학습 문제 ___순차적 행동 결정 문제 ___순차적 행동 결정 문제의 구성 요소 ___방대한 상태를 가진 문제에서의 강화학습 강화학습의 예시: 브레이크아웃 ___딥마인드에 의해 다시 빛을 본 아타리 게임 ___브레이크아웃의 MDP와 학습 방법 정리 ___강화학습의 개념 ___강화학습 문제 ___강화학습의 예시: 브레이크아웃 [2부] 강화학습 기초 ▣ 2장: 강화학습 기초 1 - MDP와 벨만 방정식 MDP ___상태 ___행동 ___보상함수 ___상태 변환 확률 ___할인율 ___정책 가치함수 ___가치함수 큐함수 벨만 방정식 ___벨만 기대 방정식 ___벨만 최적 방정식 정리 ___MDP ___가치함수 ___벨만 방정식 ▣ 3장: 강화학습 기초 2 - 그리드월드와 다이내믹 프로그래밍 다이내믹 프로그래밍과 그리드월드 ___순차적 행동 결정 문제 ___다이내믹 프로그래밍 ___격자로 이뤄진 간단한 예제: 그리드월드 다이내믹 프로그래밍 1: 정책 이터레이션 ___강화학습 알고리즘의 흐름 ___정책 이터레이션 ___정책 평가 ___정책 발전 ___정책 이터레이션 코드 설명 ___정책 이터레이션 코드 실행 다이내믹 프로그래밍 2: 가치 이터레이션 ___명시적인 정책과 내재적인 정책 ___벨만 최적 방정식과 가치 이터레이션 ___가치 이터레이션 코드 설명 ___가치 이터레이션 코드 실행 다이내믹 프로그래밍의 한계와 강화학습 ___다이내믹 프로그래밍의 한계 ___모델 없이 학습하는 강화학습 정리 ___다이내믹 프로그래밍과 그리드월드 ___다이내믹 프로그래밍 1: 정책 이터레이션 ___다이내믹 프로그래밍 2: 가치 이터레이션 ___다이내믹 프로그래밍의 한계와 강화학습 ▣ 4장: 강화학습 기초 3 - 그리드월드와 큐러닝 강화학습과 정책 평가 1: 몬테카를로 예측 ___사람의 학습 방법과 강화학습의 학습 방법 ___강화학습의 예측과 제어 ___몬테카를로 근사의 예시 ___샘플링과 몬테카를로 예측 강화학습과 정책 평가 2: 시간차 예측 ___시간차 예측 강화학습 알고리즘 1: 살사 ___살사 ___살사 코드 설명 ___살사 코드의 실행 및 결과 강화학습 알고리즘 2: 큐러닝 ___살사의 한계 ___큐러닝 이론 ___큐러닝 코드 설명 ___큐러닝 코드의 실행 결과 정리 ___강화학습과 정책 평가 1: 몬테카를로 예측 ___강화학습과 정책 평가 2: 시간차 예측 ___강화학습 알고리즘 1: 살사 ___강화학습 알고리즘 2: 큐러닝 [3부] 강화학습 심화 ▣ 5장: 강화학습 심화 1 - 그리드월드와 근사함수 근사함수 ___몬테카를로, 살사, 큐러닝의 한계 ___근사함수를 통한 가치함수의 매개변수화 인공신경망 ___인공신경망 1: 인공신경망의 개념 ___인공신경망 2: 노드와 활성함수 ___인공신경망 3: 딥러닝 ___인공신경망 4: 신경망의 학습 인공신경망 라이브러리: 케라스 ___텐서플로 2.0과 케라스 소개 ___간단한 케라스 예제 딥살사 ___딥살사 이론 ___딥살사 코드 설명 ___딥살사의 실행 및 결과 폴리시 그레이디언트 ___정책 기반 강화학습 ___폴리시 그레이디언트 ___REINFORCE 코드 설명 ___REINFORCE의 실행 및 결과 정리 ___근사함수 ___인공신경망 ___인공신경망 라이브러리: 케라스 ___딥살사 ___폴리시 그레이디언트 ▣ 6장: 강화학습 심화 2 - 카트폴 알고리즘 1: DQN ___카트폴 예제의 정의 ___DQN 이론 ___DQN 코드 설명 ___DQN 실행 및 결과 알고리즘 2: 액터-크리틱 ___액터-크리틱 이론 소개 ___액터-크리틱 코드 설명 ___액터-크리틱 실행 및 결과 ___연속적 액터-크리틱 이론 소개 ___연속적 액터-크리틱 코드 설명 ___연속적 액터-크리틱 실행 및 결과 정리 ___알고리즘 1: DQN ___알고리즘 2: 액터-크리틱 ▣ 7장: 강화학습 심화 3 - 아타리 브레이크아웃 DQN ___아타리: 브레이크아웃 ___컨볼루션 신경망(CNN)이란? ___브레이크아웃의 컨볼루션 신경망 ___DQN 학습 전 준비 사항 ___DQN 코드 설명 ___텐서보드 사용법 ___브레이크아웃 DQN 실행 및 결과 브레이크아웃 A3C ___DQN의 한계 ___A3C란? ___멀티스레딩 소개 ___브레이크아웃 A3C 코드 설명 ___브레이크아웃 A3C 실행 결과 정리 ___브레이크아웃 DQN ___브레이크아웃 A3C ▣ 참고문헌 |
저자 소개5
연세대학교 기계공학과를 졸업했다. 당근마켓에서 머신러닝 엔지니어 겸 프로덕트 매니저로서 재직 중이다. 그전에는 제이마플에서 딥러닝을 활용한 소리 인식기, 네이버에서 OCR을 연구했다. 머신러닝과 서비스가 맞닿은 지점에서 일하는 것을 즐긴다.
이웅원의 다른 상품
홍콩과학기술대학교 컴퓨터 공학과 석사과정에 재학 중이다. Visual Intelligence 랩에서 딥러닝을 이용한 오디오와 영상처리 연구를 진행 중이다.
뉴욕 대학교에서 컴퓨터과학 학사 학위를 받았습니다. 우버 드라이버 프라이싱 팀에서 소프트웨어 엔지니어로 재직 중이다. 대학교를 다니며 딥러닝과 강화학습 스터디 그룹에 참여하여 『파이썬과 케라스로 배우는 강화학습』(위키북스, 2017)을 공동 집필했다.
김건우의 다른 상품
중앙대학교 컴퓨터공학과를 졸업했다. 현재는 당근마켓에서 머신러닝 엔지니어로 재직 중이며 추천을 비롯한 다양한 머신러닝 기술에 관심을 갖고 있다.
세종대학교 응용통계학을 졸업했다. 현재는 자동차 회사에서 머신러닝 엔지니어 업무를 하고 있다. 주로 자동차 R&D 과정에서 생성되는 이미지와 3D 데이터로 경험치를 쌓고 있다.
품목정보
- 발행일
- 2020년 04월 07일
- 쪽수, 무게, 크기
- 380쪽 | 730g | 175*235*30mm
- ISBN13
- 9791158392017
출판사 리뷰
|
★ 이 책에서 다루는 내용 ★
◎ 강화학습의 배경과 개념 ◎ 강화학습의 기초 이론: MDP, 벨만 방정식, 다이내믹 프로그래밍 ◎ 고전 강화학습 알고리즘: 몬테카를로, 살사, 큐러닝 ◎ 인공신경망을 이용한 강화학습 알고리즘: 딥살사, REINFORCE, DQN, 액터-크리틱, A3C ◎ 강화학습 알고리즘 구현: 그리드월드, 카트폴, 아타리게임 |
25,200원
총 1개
25,200원
