Name: Deep Reinforcement Learning with Python - Second Edition
SKU: 93658471
Price: 44000 KRW
Availability: InStock
Author: Ravichandiran
ISBN: 9781839210686

카트

이미지 검색을 사용해 보세요

검색창 이전화면 이전화면

최근 검색어: 전체삭제

인기 검색어

닫기

Deep Reinforcement Learning with Python - Second Edition

사이즈비교 공유하기

소득공제

외서 Deep Reinforcement Learning with Python - Second Edition

Master classic RL, deep RL, distributional RL, inverse RL, and more with OpenAI Gym and TensorFlow Paperback, 2nd Edition

바인딩/에디션 안내

Ravichandiran, Sudharsan

Packt Publishing 2020.09.30.

회원리뷰 첫번째 리뷰어가 되어주세요

가격: 44,000원

44,000

YES포인트?: 0원 마니아추가적립

5만원 이상 구매 시 2천원 추가 적립

앱 다운 시 1천원 상품권

결제혜택: 최대 1,000원 적립

이미 소장하고 있다면 판매해 보세요.

예스24에 팔기 바이백 신청 불가 내 가게에서 팔기

국내배송만 가능
문화비소득공제 가능

시리즈 태그 업체 공지사항 중고외서 소개 구성 소개 특별 구성 MD 한마디 카드뉴스 상세 이미지 책소개 관련 동영상 목차 저자 소개 관련분류 품목정보 만든이 코멘트 예스24 리뷰 책 속으로 줄거리 캐스팅 관련 자료 부가 영상 출판사 리뷰 전문가 리뷰 추천평

펼치기/닫기

책소개

An example-rich guide for beginners to start their reinforcement and deep reinforcement learning journey with state-of-the-art distinct algorithms Key Features * Covers a vast spectrum of basic-to-advanced RL algorithms with mathematical explanations of each algorithm * Learn how to implement algorithms with code by following examples with line-by-line explanations * Explore the latest RL methodologies such as DDPG, PPO, and the use of expert demonstrations Book Description With significant enhancements in the quality and quantity of algorithms in recent years, this second edition of Hands-On Reinforcement Learning with Python has been revamped into an example-rich guide to learning state-of-the-art reinforcement learning (RL) and deep RL algorithms with TensorFlow 2 and the OpenAI Gym toolkit. In addition to exploring RL basics and foundational concepts such as Bellman equation, Markov decision processes, and dynamic programming algorithms, this second edition dives deep into the full spectrum of value-based, policy-based, and actor-critic RL methods. It explores state-of-the-art algorithms such as DQN, TRPO, PPO and ACKTR, DDPG, TD3, and SAC in depth, demystifying the underlying math and demonstrating implementations through simple code examples. The book has several new chapters dedicated to new RL techniques, including distributional RL, imitation learning, inverse RL, and meta RL. You will learn to leverage stable baselines, an improvement of OpenAI's baseline library, to effortlessly implement popular RL algorithms. The book concludes with an overview of promising approaches such as meta-learning and imagination augmented agents in research. By the end, you will become skilled in effectively employing RL and deep RL in your real-world projects. What you will learn * Understand core RL concepts including the methodologies, math, and code * Train an agent to solve Blackjack, FrozenLake, and many other problems using OpenAI Gym * Train an agent to play Ms Pac-Man using a Deep Q Network * Learn policy-based, value-based, and actor-critic methods * Master the math behind DDPG, TD3, TRPO, PPO, and many others * Explore new avenues such as the distributional RL, meta RL, and inverse RL * Use Stable Baselines to train an agent to walk and play Atari games Who this book is for If you're a machine learning developer with little or no experience with neural networks interested in artificial intelligence and want to learn about reinforcement learning from scratch, this book is for you. Basic familiarity with linear algebra, calculus, and the Python programming language is required. Some experience with TensorFlow would be a plus.

책소개 더보기펼치기

Table of Contents
1.Fundamentals of Reinforcement Learning
2.A Guide to the Gym Toolkit
3.The Bellman Equation and Dynamic Programming
4.Monte Carlo Methods
5.Understanding Temporal Difference Learning
6.Case Study - The MAB Problem
7.Deep Learning Foundations
8.A Primer on TensorFlow
9.Deep Q Network and Its Variants
10.Policy Gradient Method
11.Actor-Critic Methods - A2C and A3C
12.Learning DDPG, TD3, and SAC
13.TRPO, PPO, and ACKTR Methods
14.Distributional Reinforcement Learning
15.Imitation Learning and Inverse RL
16.Deep Reinforcement Learning with Stable Baselines
17.Reinforcement Learning Frontiers
18.Appendix 1 - Reinforcement Learning Algorithms
19.Appendix 2 - Assessments

목차 더보기펼치기

품목정보

발행일: 2020년 09월 30일

쪽수, 무게, 크기: 760쪽 | 1284g | 191*235*38mm

ISBN13: 9781839210686

리뷰/한줄평0

리뷰

첫번째 리뷰어가 되어주세요.

리뷰 쓰기

혜택 및 유의사항

한줄평

첫번째 한줄평을 남겨주세요.

한줄평 쓰기

혜택 및 유의사항

상품정보안내

직수입외서의 경우, 해외거래처에서 제공하는 정보가 부족하여 제목, 표지, 가격, 유통상태 등의 정보가 미비하거나 변경되는 경우가 있습니다. 정확한 확인을 원하시는 경우, 일대일 상담으로 문의하여 주시면 답변 드리겠습니다.
(판형과 판수 등이 다양한 도서는 찾으시는 도서의 ISBN을 알려 주시면 보다 빠르고 정확한 안내가 가능합니다.)

해외거래처에서 품절인 경우, 2차 거래선을 통해 유럽과 미국 출판사로 직접 수입이 진행될 수 있습니다.
수입 진행 시점으로 부터 2~3주가 추가로 소요되며, 해외에서도 유통이 원활하지 않은 도서는 품절 안내가 지연될 수 있습니다.
해당 경우, 문자와 메일로 별도 안내를 드리고 있사오니 마이페이지에서 휴대전화번호와 메일주소를 다시 한번 확인해주시기 바랍니다.