AI有道
首发于AI有道
434 页《Python 强化学习实用指南》(附 pdf 与完整代码)

434 页《Python 强化学习实用指南》(附 pdf 与完整代码)

红色石头的个人网站:

红色石头的个人博客-机器学习、深度学习之路redstonewill.com图标

强化学习(RL)是人工智能的一个发展趋势和最有前途的分支。用 Python 进行强化学习不仅可以帮助掌握基本的强化学习算法,而且可以帮助掌握高级的深层强化学习算法。

今天给大家推荐一本《Python 强化学习实用指南》,不仅通俗介绍了强化学习的理论基础,更着重从实战角度,使用 Python 来编写强化学习代码,实用性很强。


作者简介

本书的作者 Sudharsan Ravichandian 是一名数据科学家、人工智能研究员和狂热者。他研究的重点是深入学习和强化学习,包括自然语言处理和计算机视觉。

书籍介绍

本书的特点包括:

  • 了解强化学习方法、算法和要素的基础知识
  • 使用 OpenAI Gym 和 TensorFlow 来训练一个 Agent 机器人
  • 了解马尔可夫决策过程、贝尔曼最优性和 TD 学习
  • 使用多种算法解决多臂老虎机问题
  • 掌握深度学习算法,如 RNN、LSTM 和 CNN 及其应用

本书总共包含 13 章内容,目录如下:

这本书每一章后面都配备了作业,书籍后面也附有作业的答案!

适合人群

如果你是一个对人工智能感兴趣的机器学习开发者或深度学习爱好者,并且想从零开始学习强化学习,那么这本书就是为你准备的。一些线性代数、微积分和 Python 编程语言的知识将帮助您理解本书所涵盖的概念。

配套代码

本书配套的完整源代码作者放在了 GitHub 项目里,地址为:

PacktPublishing/Hands-On-Reinforcement-Learning-with-Pythongithub.com图标

资源下载

最后,本书的的电子版 pdf 和源代码已经打包完毕,需要的直接点击链接获取:

链接pan.baidu.com/s/1Y7qA3b

提取码:c2my


更多干货内容,请关注公众号:AI有道

发布于 2019-03-12

文章被以下专栏收录